Karel Negrín Nápoles

Bacharel em Física pela Universidade da Havana (2000), com experiência em instrumentação e automação, sistemas embarcados e programação. Desde a graduação, trabalhou no desenvolvimento de instrumentação, inicialmente para o Instituto de Materiais e Reativos para a Eletrônica (Cuba), onde atuou em projetos para a detecção e cálculo da fronteira de grãos em fotografias de microscopia eletrônica. Participou do desenvolvimento de programas para microcontroladores na Alvnet Tecnologia Eletrônica Ltda., e como Engenheiro de Software na ATCP Engenharia Física, tendo como resultado a implementação dos softwares: Sonelastic (software registrado. Registro Nr: RS 10642-4.), TRZ Analisador de Transdutores, Motortest e, finalmente, o Soneteste, assim como na programação do software embarcado para o TRZ Analisador de Transdutores. Foi pesquisador responsável em projeto de pesquisa concedido pela FAPESP a favor da empresa Keme Científica, processo PIPE 2016/10540-0, Fases I e II, para a criação de um Titulador Digital com leitura de volume dispensado a partir de um sensor de imagem por contato (CIS), sendo coautor da patente do aparelho. Também foi parte da equipe de pesquisadores da Keme em outros temas; tendo atuado no desenvolvimento de: Cromatógrafo a gás industrial (software, hardware e engenharia de produto); Forno para colunas de HPLC, como coordenador do projeto; Reciclador de fase móvel para HPLC, coordenador do projeto. Bomba analítica de precisão (software, hardware e engenharia de produto) para tituladores automáticos, dosadores, sistemas de análise em fluxo, injeção de padrões em espectrômetros de massa e bombeamento de fase móvel em cromatógrafos líquidos (com bolsa FAPESP TT IVA até abril de 2015). Possui formação complementar em eletrônica, programação de software embarcado; em LabVIEW, da National Instruments, assim como diversos cursos e uma especialização em Machine Learning e Deep Learning. Atualmente é pesquisador responsável do processo PIPE-FAPESP 20/09121-9 para a criação de um sistema inteligente para detecção de defeitos por ressonância acústica baseado em algoritmos de aprendizado de máquina.