Portfólio · Pesquisa & desenvolvimento
Belo Horizonte, Brasil
Cientista da Computação · Compiladores & Sistemas de IA
Pesquisador e desenvolvedor com interesse em compiladores para deep learning, visão computacional e computação de alto desempenho. Trabalho na fronteira entre a teoria e a máquina: fusão de operadores, geração de kernels e linguagens de programação.
Pesquisa, desenvolvimento e descobertas.
DigitalBot
Desenvolvimento de sistemas na DigitalBot.
IMScience
Pesquisa em segmentação de imagens e visão computacional com foco em Árvores de Componentes (Component Trees): otimização e aplicações.
DigitalBot
Desenvolvimento de chatbots para grandes empresas, incluindo Fiat, Honda, Sodexo e Unilever.
IBM & Instituto de Pesquisas Eldorado
Participação em projeto nacional de ensino de Swift e IoT em escola móvel itinerante. Desenvolvimento de um aplicativo voltado a pessoas com Transtorno do Espectro Autista (TEA). Certificação em 165 horas de formação, entre a etapa EAD e a residência presencial.
PUC Minas
Orientador: professor Mark Alan Junho Song. Bolsa FAPEMIG.
Pontifícia Universidade Católica de Minas Gerais (PUC Minas)
UFMG
Nota: 88.
SBLP · Simpósio Brasileiro de Linguagens de Programação
Uma investigação sobre as lacunas na fusão de operadores em sistemas de deep learning e o equilíbrio entre tempo de compilação e execução de operações não fundidas.
Ver imagem completa DigitalBot
Reconhecimento pelo desempenho dentro da área e do time em que atuo, destacando minha atuação como DEV.
Ver imagem completa SBLP · CBSoft
Certificado de Artigo de Destaque pelo trabalho Gaps in Operator Fusion for Deep Learning Systems: The Trade-off Between Compilation and Execution of Unfused Operations.
Ver imagem completa PUC Minas · ICEI · TI4
Certificado de Melhores Trabalhos de Interdisciplinares pelo jogo MinhoKiller, reconhecido como Melhor Trabalho Interdisciplinar — Aplicações Móveis do segundo semestre de 2023. Certificado emitido em 10 de maio de 2024.
Ver imagem completa Ingresso no Bacharelado em Ciência da Computação na PUC Minas.
Hackatruck com IBM e Instituto de Pesquisas Eldorado, de fevereiro a maio: 65 horas de formação EAD em Swift, JavaScript e RESTful APIs e 100 horas de residência presencial em Cloud Services e Serviços Cognitivos. Em maio, início do estágio na DigitalBot, com desenvolvimento de chatbots até abril de 2024.
Bolsista no IMScience de maio a agosto, com pesquisa em visão computacional e Árvores de Componentes. Em maio, recebimento do certificado da PUC Minas pelo MinhoKiller, trabalho de TI4 do segundo semestre de 2023.
Conclusão do bacharelado na PUC Minas, com foco em compiladores, sistemas de IA e computação de alto desempenho.
Desde abril, Analista de Desenvolvimento de Sistemas na DigitalBot, onde recebi o troféu do Digitalbot Awards como Dev Chatbot. Publicação de Gaps in Operator Fusion for Deep Learning Systems no SBLP, reconhecida com certificado de Artigo de Destaque.
Início em agosto, com previsão de conclusão em 2028. Orientador: professor Mark Alan Junho Song. Bolsa FAPEMIG.
Da pesquisa em compiladores à construção de jogos: uma seleção de projetos, experimentos e código aberto.
Jogo no estilo souls-like com inteligência artificial baseada no algoritmo A*. Reconhecido como o melhor projeto da disciplina na PUC Minas.
Ray tracer acelerado por GPU baseado em Ray Tracing in One Weekend. Anti-aliasing, materiais difusos e metálicos, dielétricos e hierarquias de volumes delimitadores (BVH). Portado para WebAssembly (CPU) e jogável ao vivo aqui.
Artefato de pesquisa do artigo reconhecido no SBLP. Benchmark de TorchInductor, XLA e TVM para investigar o equilíbrio entre tempo de compilação e execução.
Identificação de gordura hepática por meio de uma aplicação gráfica com inteligência artificial (XGBoost e Inception), na disciplina de Processamento e Análise de Imagens.
Simulador em Java para arquiteturas de CPU SMT, BMT e IMT, explorando estratégias de emissão e escalonamento de threads em hardware.
Linguagem de programação simples implementada em Rust, seguindo o livro Crafting Interpreters — lexer, parser e avaliador tree-walking.
Ray tracer com anti-aliasing, materiais difusos, metálicos e dielétricos e profundidade de campo, baseado em Ray Tracing in One Weekend. O original é acelerado por GPU em CUDA; aqui a mesma matemática foi portada para a CPU e compilada para WebAssembly, para rodar ao vivo no navegador.
Experimente a cena, os materiais e a câmera. Esta versão executa na CPU pelo navegador; o projeto original usa CUDA para renderizar na GPU.
Para conversar sobre pesquisa, projetos e novas ideias.
