Machine Learning
Aprendizaje federado
Escenarios de aprendizaje distribuido donde los datos permanecen cerca de su fuente mientras modelos o actualizaciones se coordinan entre participantes.
Investigación
Investigación en Inteligencia Artificial bajo privacidad, distribución y cambio continuo.
Mi investigación se sitúa en la intersección entre el aprendizaje automático con preservación de privacidad y la minería de flujos de datos: aprender a partir de datos que llegan continuamente, no-IID y bajo concept drift, manteniendo los datos en bruto protegidos mediante aprendizaje federado y criptografía homomórfica. La mayor parte de la literatura de PPML asume conjuntos de datos estáticos; mi foco es el régimen en línea, con deriva y restricciones de recursos, que presentan los datos empresariales regulados.
Temas de investigación
Privacidad
Criptografía homomórfica
Patrones de computación con preservación de privacidad que permiten operaciones seleccionadas sobre datos cifrados, con atención explícita a los tradeoffs de rendimiento.
ML adaptativo
Minería de flujos de datos
Aprendizaje desde datos que llegan continuamente bajo deriva, latencia, memoria, distribución no IID y restricciones de adaptación.
Investigación aplicada
Aplicaciones empresariales de ML con privacidad
Marco de investigación para dominios regulados donde colaboración, confidencialidad y restricciones prácticas de despliegue deben coexistir.
Declaración de investigación
Mi formación académica en Inteligencia Artificial se desarrolló en la PUCPR, desde los estudios de posgrado hasta la Maestría y el Doctorado actualmente en curso.
A partir de esa trayectoria académica, el trabajo conecta técnicas criptográficas y de mejora de privacidad con algoritmos adaptativos de aprendizaje automático para entrenamiento e inferencia seguros en entornos distribuidos.
Considera aprendizaje supervisado en flujos continuos de datos, incluyendo deriva de concepto, datos no IID, adaptación incremental de modelos y restricciones de despliegue en dominios regulados o sensibles a datos.
Busco una estancia de investigación doctoral (sándwich) en el exterior para avanzar este trabajo sobre aprendizaje con preservación de privacidad en flujos de datos en evolución. Aporto acceso a datos empresariales reales, regulados y sensibles a la privacidad, además de experiencia práctica desplegando IA en sistemas críticos — un complemento a grupos académicos fuertes en PPML.
Servicio, docencia, premio e idiomas
Miembro asociado de la Sociedad Brasileña de Computación (SBC) desde 2024. Docente en la PUCPR. Medalla de plata en la Olimpiada Brasileña de Informática. Competencia profesional plena en inglés y español; portugués nativo.