JOÃO BATISTA RODRIGUES NETO

Graduado em Ciência da Computação pela Universidade do Vale do Rio dos Sinos (Unisinos). Mestrando em Computação Aplicada pela Unisinos.

Informações coletadas do Lattes em 03/07/2023

Acadêmico

Formação acadêmica

Mestrado em andamento em Computação Aplicada

2022 - Atual

Universidade do Vale do Rio dos Sinos
Gabriel de Oliveira Ramos.Bolsista do(a): Coordenação de Aperfeiçoamento de Pessoal de Nível Superior, CAPES, Brasil.

Graduação em Ciência da Computação

2016 - 2021

Universidade do Vale do Rio dos Sinos
Título: An Enhanced TSP-based Approach for Active Debris Removal Mission Planning
Orientador: Gabriel de Oliveira Ramos

Curso técnico/profissionalizante em Técnico em Informática

2014 - 2016

Escola Técnica SENAI Ildefonso Simões Lopes

Ensino Médio (2º grau)

2013 - 2015

Colégio Estadual Vila Becker

Formação complementar

2021 - 2022

Data Analysis. (Carga horária: 300h). , freeCodeCamp, CA, Estados Unidos.

2021 - 2021

Machine Learning with Python. (Carga horária: 300h). , freeCodeCamp, CA, Estados Unidos.

2020 - 2020

Data Science. (Carga horária: 80h). , Alura, SP, Brasil.

Idiomas

Bandeira representando o idioma Inglês

Compreende Bem, Fala Bem, Lê Bem, Escreve Bem.

Bandeira representando o idioma Espanhol

Compreende Razoavelmente, Fala Razoavelmente, Lê Bem, Escreve Pouco.

Bandeira representando o idioma Português

Compreende Bem, Fala Bem, Lê Bem, Escreve Bem.

Produções bibliográficas

  • Rodrigues Neto, João Batista ; de Oliveira Ramos, Gabriel . An Enhanced TSP-Based Approach for Active Debris Removal Mission Planning. An Enhanced TSP-Based Approach for Active Debris Removal Mission Planning. 10ed.: , 2021, v. , p. 140-154.

  • Rodrigues Neto, João Batista ; de Oliveira Ramos, Gabriel . An Interpolated Approach for Active Debris Removal. In: WCCI2022 IEEE WORLD CONGRESS ON COMPUTATIONAL INTELLIGENCE, 2022, Padova. 2022 IEEE Congress on Evolutionary Computation (CEC), 2022.

Projetos de pesquisa

  • 2022 - Atual

    ML4Fraud: Machine Learning Techniques for Fraud Detection on DFS Transactions, Descrição: Este projeto tem como foco desenvolver um modelo computacional inteligente para a detecção automatizada e adaptativa de fraudes no contexto do Dell Financial Services (DFS) utilizando técnicas de aprendizado de máquina. Transações fraudulentas representam um percentual não-negligenciável daquelas processadas pelo DFS. O sistema atual de detecção de fraudes, baseado em regras definidas de forma manual, possui uma necessidade constante de intervenção para manter suas regras atualizadas segundo novos padrões de fraude. Desta forma, este projeto busca utilizar técnicas de aprendizado de máquina de modo a permitir uma análise automatizada das transações do DFS e a detecção daquelas que representam fraudes com base em características específicas.. , Situação: Em andamento; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (0) / Especialização: (0) / Mestrado acadêmico: (1) / Mestrado profissional: (0) / Doutorado: (0) . , Integrantes: Joao Batista Rodrigues Neto - Integrante / Gabriel de Oliveira Ramos - Coordenador / Rodrigo da Rosa Righi - Integrante / Cristiano André da Costa - Integrante / Sandro José Rigo - Integrante / Jorge L. V. Barbosa - Integrante / Carine Priscila Beatrici - Integrante / Marcos André Künzel Palha - Integrante / Gabriela Stangl - Integrante / Ricardo Roque - Integrante.

Histórico profissional

Experiência profissional

2022 - Atual

Universidade do Vale do Rio dos Sinos

Vínculo: Celetista, Enquadramento Funcional: Cientista de Dados, Carga horária: 40

2016 - 2022

Minha Visita LTDA - ME

Vínculo: Celetista, Enquadramento Funcional: Desenvolvedor, Carga horária: 40

Outras informações:
Desenvolvimento fullstack com JS (Vue e Node), PHP, MySQL. Produção de serviços e arquiteturas de integração massiva de dados.