Machine Learning
Aprendizado federado
Cenários de aprendizado distribuído em que os dados permanecem próximos da origem enquanto modelos ou atualizações são coordenados entre participantes.
Pesquisa
Pesquisa em Inteligência Artificial sob privacidade, distribuição e mudança contínua.
Minha pesquisa está na interseção entre aprendizado de máquina com preservação de privacidade e mineração de fluxos de dados: aprender a partir de dados que chegam continuamente, não-IID e sob concept drift, mantendo os dados brutos protegidos por aprendizado federado e criptografia homomórfica. A maior parte da literatura de PPML assume conjuntos de dados estáticos; meu foco é o regime online, com deriva e restrições de recursos, que os dados empresariais regulados de fato apresentam.
Temas de pesquisa
Privacidade
Criptografia homomórfica
Padrões de computação com preservação de privacidade que permitem operações selecionadas sobre dados criptografados, com atenção explícita aos tradeoffs de desempenho.
ML adaptativo
Mineração de fluxos de dados
Aprendizado a partir de dados que chegam continuamente sob deriva, latência, memória, distribuição não-IID e restrições de adaptação.
Pesquisa aplicada
Aplicações empresariais de ML com privacidade
Enquadramento de pesquisa para domínios regulados onde colaboração, confidencialidade e restrições práticas de implantação precisam coexistir.
Declaração de pesquisa
Minha formação acadêmica em Inteligência Artificial foi desenvolvida na PUCPR, da pós-graduação ao Mestrado e ao Doutorado atualmente em andamento.
A partir dessa trajetória acadêmica, o trabalho conecta técnicas criptográficas e de aprimoramento de privacidade com algoritmos adaptativos de aprendizado de máquina para treinamento e inferência seguros em ambientes distribuídos.
Ela considera aprendizado supervisionado em fluxos contínuos de dados, incluindo deriva de conceito, dados não-IID, adaptação incremental de modelos e restrições de implantação em domínios regulados ou sensíveis a dados.
Busco um período de pesquisa de doutorado (sanduíche) no exterior para avançar este trabalho sobre aprendizado com preservação de privacidade em fluxos de dados em evolução. Trago acesso a dados empresariais reais, regulados e sensíveis à privacidade, além de experiência prática na implantação de IA em sistemas críticos — um complemento a grupos acadêmicos fortes em PPML.
Serviço, docência, prêmio e idiomas
Membro associado da Sociedade Brasileira de Computação (SBC) desde 2024. Leciona na PUCPR. Medalha de prata na Olimpíada Brasileira de Informática. Proficiência profissional plena em inglês e espanhol; português nativo.