Modelos preditivos, pipelines de LLM e ferramental de IA de ponta a ponta.
▄▅▄▄▄▄▅▅▅▄▅▄
Treino modelos do zero — tratamento de dados, engenharia de features, design de função de loss e loops de treinamento — com Python como meu daily driver e PyTorch, TensorFlow ou scikit-learn dependendo do que o problema pede. Nada é terceirizado pro autoML: eu quero entender por que a loss tá se mexendo.
Pra produtos movidos a LLM, monto pipelines de retrieval-augmented: modelos do Hugging Face quando self-host faz sentido, PostgreSQL com pgvector pra busca por embeddings, tool calling e function calling custom pro modelo fazer coisas de verdade, e prompt cache agressivo pra conta não pegar fogo.
Também escrevo meu próprio ferramental pros modelos não serem caixa-preta — exportadores de IDA que mandam código decompilado pra IA analisar, helpers de disassembly e utilitários que tornam inspeção, rotulação e curadoria de dataset suportáveis.