Ciência de Dados · Estatística · Experimentação · Machine Learning

Transformo dados em decisões — e meço se elas realmente se sustentam.

Sou Israel Souza Ferreira, cientista de dados. Modelagem estatística, experimentação controlada e MLOps de ponta a ponta — com uma regra: medir antes de concluir.

Sapientis est mutare consilium. — parto de uma hipótese a priori; se os fatos não a confirmam, mudo de opinião, como exige o método científico.

Ver projetos Ver currículo GitHub
  • Fortaleza, Ceará, Brasil
  • ● Disponível para oportunidades

Sobre mim

Análise rigorosa com impacto prático.

Combino investigação acadêmica e projetos aplicados a problemas reais, em educação e saúde pública. Atuo no ciclo completo: extração em escala, modelagem, desenho de experimentos e comunicação a quem precisa decidir.

Experiência

Ciência de dados com profundidade de engenharia.

Pesquisa aplicada em educação e a entrega individual de um sistema de machine learning contratado.

Cientista de dados / P&D — pesquisa aplicada em educação

Tieta Artificial Intelligence · Bolsista CNPq RHAE

abr. 2025 — jul. 2026

Modelagem estatística
TRI e regressão multitarefa
Experimentação
avaliação pareada e ablação
Comunicação
resultados reprodutíveis
  • Modelei parâmetros psicométricos de itens educacionais com Teoria de Resposta ao Item, validando as estimativas contra parâmetros de referência.
  • Desenhei avaliações pareadas para comparar abordagens sob o mesmo protocolo, medindo correlação com a referência e custo de inferência.
  • Construí pipelines de extração de sinais com modelos de linguagem orquestrados por DSPy e testei arquiteturas de regressão multitarefa.
  • Ciência de Dados
  • Estatística
  • Teoria de Resposta ao Item
  • LLMs
  • DSPy
  • PyTorch
  • PLN

Desenvolvedor full stack e engenheiro de machine learning

Consultoria autônoma · Instituição de ensino · Remoto

2026 — presente

Face Clock Evoluir: sistema de ponto por reconhecimento facial, entregue de ponta a ponta e em fase final de homologação.

Ponta a ponta
modelos, backend, dados e implantação
142
testes automatizados em pipeline Docker
+13 p.p.
de acurácia de validação após ablação controlada
  • Entreguei o sistema sozinho: interface web e totem, modelos, dados, backend, testes e implantação.
  • Implementei busca vetorial 1:N e verificação 1:1 sobre embeddings faciais de 512 dimensões, com vivacidade e proteção anti-replay.
  • Treinei um classificador EfficientNet-B0 para triagem de atestados e diagnostiquei seu subajuste por ablação controlada.
  • InsightFace
  • EfficientNet-B0
  • FastAPI
  • PostgreSQL
  • pgvector
  • Docker
  • CI
Ver estudo de caso Ver estrutura técnica → Repositório público →

Projetos selecionados

Trabalhos que mostram como penso e construo.

Todos os repositórios →
Em desenvolvimento 02

Auxílio Emergencial — Ingestão e experimentos de desempenho

Retomado por iniciativa própria após a entrega acadêmica. Ingestão em blocos com COPY binário sobre 31,6 GB públicos; a instrumentação ligou o crescimento de memória aos identificadores de deduplicação retidos (r = 0,99).

  • PostgreSQL
  • asyncpg
  • Alembic
  • Pandas
  • Docker
  • Streamlit
Código e documentação →

Competências

Ferramentas para investigar, modelar e comunicar.

Uma base técnica voltada ao ciclo completo de projetos de dados, da análise inicial à apresentação dos resultados.

Linguagens e consultas

Python, SQL, C++, Bash, Pandas, NumPy e Git

Análise e estatística

SciPy, Scikit-learn, testes de hipótese, análise de correlação, validação cruzada, calibração de modelos e análise de ablação

Modelagem e machine learning

PyTorch, séries temporais (LSTM, PLE), MoE/MMoE, Transformers, DSPy, busca vetorial e meta-heurísticas

Dados, MLOps e comunicação

PostgreSQL, pgvector, FAISS, MLflow, Docker, FastAPI, GitHub Actions, Streamlit e visualização de dados

Princípios analíticos

Como trabalho.

Formulo uma hipótese antes de olhar para o resultado — e mudo de ideia sempre que os fatos não a confirmam.

Medir antes de concluir

Hipótese sem experimento é palpite. Simulo a mudança sobre dados reais antes de alterar o sistema — foi assim que uma correção óbvia se revelou uma regressão.

Tornar experimentos reproduzíveis

Grupo de controle, uma variável por vez, ambiente isolado. Qualquer conclusão pode ser reexecutada por outra pessoa.

Revisar hipóteses diante dos fatos

Parto de uma hipótese a priori, mas mudo de posição quando os fatos e as evidências a contradizem. É o compromisso que espero de um trabalho científico.

Currículo

Experiência em ciência de dados, modelagem estatística e machine learning.

Consulte o currículo profissional em PDF e a versão acadêmica do Currículo Lattes. Eles reúnem experiência, formação, projetos e competências técnicas.

Abrir PDF Baixar PDF Fonte LaTeX Currículo Lattes

Contato

Vamos conversar sobre dados, pesquisa ou oportunidades.

Envie uma mensagem ou acesse meus perfis profissionais.

Enviar e-mail LinkedIn