
Guilherme
About Candidate
Estudante de Engenharia Elétrica no Instituto Federal de São Paulo (IFSP), com previsão de formatura em 2025, e sólida formação complementar em ciência de dados, estatística e blockchain. Possuo experiência em programação (Python, SQL, C, C#) e em desenvolvimento de modelos de aprendizado de máquina e inteligência artificial, como SVM, Redes Neurais, Algoritmos Genéticos e K-Means.
Participei de projetos acadêmicos e práticos que envolvem análise de dados, modelagem matemática e otimização, como o desenvolvimento de modelos compartimentais para distribuição de vacinas e de um bot para análise de criptomoedas, focado em risco mínimo e retorno máximo. Além disso, adquiri conhecimentos avançados em estatística aplicada, incluindo testes estatísticos, simulações Monte Carlo e métodos de reamostragem.
Tenho experiência com ferramentas como Pandas, NumPy, Matplotlib, Docker e Microsoft SQL Server, além de habilidades analíticas para lidar com grandes volumes de dados e criar soluções preditivas e personalizadas. Combinando capacidade técnica e visão prática, busco aplicar meus conhecimentos para transformar dados em insights estratégicos, contribuindo para a tomada de decisões e inovação em projetos desafiadores.
Education
O curso de Engenharia Elétrica no IFSP proporciona uma formação abrangente, cobrindo as principais áreas da elétrica, como eletrônica, potência, telecomunicações e processamento de sinais. Além disso, destaca-se por oferecer uma base sólida em programação, banco de dados, engenharia de software e sistemas inteligentes, com disciplinas práticas que integravam teoria e aplicação, preparando-me para os desafios tecnológicos de forma multidisciplinar
O curso "Matemática Aplicada" no Museu da Matemática Prandiano explorou conceitos avançados e interdisciplinares, oferecendo uma base sólida para aplicações práticas em diversas áreas. Foram abordados tópicos como cálculo diferencial, integral, vetorial, variacional e fracionário, além de pesquisa operacional, que incluiu métodos de otimização e tomada de decisão. O curso aprofundou-se na teoria do caos, fractais e ponto fixo, ampliando a compreensão de fenômenos complexos. Também foram explorados polinômios coloridos, teoria das distribuições e bio-matemática, com aplicações em modelagem de sistemas biológicos. Por fim, técnicas de otimização numérica e metaheurísticas completaram a formação, integrando ferramentas matemáticas para resolver problemas reais de alta complexidade.
O curso "Big Data" no Museu da Matemática Prandiano ofereceu uma formação aprofundada em ciência de dados, com foco em técnicas matemáticas e estatísticas para análise e modelagem preditiva. Os conteúdos incluíram fundamentos de Big Data, desenvolvimento de algoritmos de aprendizado de máquina, como SVM, Redes Neurais, K-Means, K-SOM e Algoritmos Genéticos, além da aplicação de métodos estatísticos avançados, como teste Qui-Quadrado, ANOVA e o classificador Mahalanobis. O curso também abordou a modelagem matemática voltada à predição de padrões e tendências, explorando aplicações em setores financeiros, médicos, agrícolas e ambientais. Combinando teoria e prática, o curso enfatizou a capacidade de criar soluções analíticas customizadas para problemas reais.
O curso "Estatística" no Museu da Matemática Prandiano abordou uma ampla gama de tópicos teóricos e aplicados, com foco na análise de dados e modelagem estatística. Entre os temas explorados estão técnicas de estatística vetorial, correção de Bessel, reamostragem fatorial, métodos como Jackknife e Bootstrap, além de modelagem estocástica com cadeias de Markov. Também foram aprofundados conceitos de análise preditiva, como testes estatísticos avançados, ANOVA e o uso do classificador Gini. O curso incluiu métodos de verossimilhança, como Θ-Likelihood e ρ-Density, técnicas geoespaciais como krigagem e interpolação avançada, e a aplicação de simulações Monte Carlo para análise de incertezas.
Experiences
Realizei uma iniciação cientifica através de uma parceria entre a empresa Nova SMAR e o IFSP com o objetivo de desenvolver software que colabora-se na implementação da especificação da norma de automação O-PAS. A iniciação envolveu etapas de engenharia de Software, programação, design de banco de dados, além de envolver o processo de pesquisa da norma e reunião periódicas na empresa financiadora.