Ir ao conteúdo

Saullo Oliveira

Meu nome é Saullo Oliveira e atualmente sou um cientista de dados com doutorado em andamento no Laboratório de Bio-Informática e Computação Bio-Inspirada (LBiC), sob orientação do Prof. Dr. Fernando J. Von Zuben.

Minha pesquisa foca em modelar algoritmos para Multi-Task Learning que também estimam como as tarefas estão relacionadas, a partir de características comuns entre elas. Dessa maneira, podemos interpretar como as tarefas foram relacionadas pelo modelo enquanto melhoramos a performance de cada tarefa individualmente.

Meus interesses gerais de pesquisa abrangem:

  • aprendizado multi-tarefa
  • modelos esparsos
  • otimização convexa
Também sou apaixonado por música – toco violão e arranho um pouco no baixo – e busco passar o maior tempo possível no meio do mato, fazendo trilhas, acampando, conhecendo cachoeiras, pegando carrapato e tomando picada de mosquito.

Formação

Habilidades

Linguagens de Programação

  • Python
  • SQL
  • Bash
  • R

APIs

  • scikit-learn
  • pandas
  • Numpy
  • TensorFlow
  • Keras
  • matplotlib
  • seaborn

Outras

  • Produtização de Sistemas de Machine Learning com Docker e Kubernetes
  • Design e Arquiquetura de Bancos de Dados
  • Governança de Dados
  • Test Driven Development
  • Profiling e Otimização de Código

Machine Learning

Domínio em técnicas como Least Squares e variantes (Ridge Regression), Lasso e variantes (Group Lasso, Fused Lasso, etc), Regressão Logística, Support Vector Machines (SVM), k-NN, Decision Trees, Redes Neurais, entre outros.

Na área de agrupamentos (clustering), tenho domínio em ferramentas como K-means, Spectral Clustering, Agglomerative Clustering, DBSCAN, Mistura de Modelos, entre outros.

Em meu mestrado e início do doutorado, também trabalhei com bi-agrupamentos (biclustering) e Formal Concept Analysis (FCA). 

Algumas ferramentas utilizadas incluem InClose (espaço discreto), RInClose (espaço contínuo), Triclustering, MicroCluster, entre outros.

Essa é minha área de pesquisa atual. Dá pra brincar 😉.

  • MLP
  • RBF
  • ELM
  • Echo State Networks
  • Recurrent Networks
  • Constructive Networks
  • Kohonen Maps
  • Auto-Encoder
  • Convolutional Networks
  • U-net

Gradient Descent (e variantes), ISTA, FISTA, ADMM, entre outros. Essa é uma área de meu interesse atualmente.

Aqui o limite é a imaginação… (completo depois)

Tenho experiência com todo o processo (Pipeline) na área, incluindo diversas formas de seleção de parâmetros, análise e interpretação dos resultados, … …