Modelos preditivos, pipelines de LLM e ferramental de IA de ponta a ponta.
um modelo de linguagem por difusão de verdade, treinado do zero no seu browser com poesia de domínio público (blake · dickinson · stevenson · rossetti)
⚠ atenção, treina uma rede real no seu browser, então a página vai travar por alguns segundos
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.