Fernando Pereira Gonçalves de Sá

Mestre em Ciência da Computação com ênfase em Data Science pelo CEFET/RJ, Mestre em Engenharia Elétrica pela COPPE (UFRJ) e Engenheiro de Produção pela Universidade Federal Fluminense. Aluno de doutorado em Computação na Universidade Federal Fluminense. Possui interesse nos seguintes temas: Pesquisa Operacional, Inteligência Computacional, Sistemas de Apoio à Decisão, Ciência de Dados e Big Data, Processamento Digital de Sinais, Sistema de Sonar e Gerenciamento de Projetos.

Informações coletadas do Lattes em 30/11/2025

Acadêmico

Formação acadêmica

Doutorado em andamento em Pós-Graduação em Computação da UFF

2022 - Atual

Universidade Federal Fluminense
Aura Conci. Palavras-chave: Análise de Imagnes; Visão Computacional; Health Machine Learning.Grande área: Ciências Exatas e da Terra

Mestrado em Ciência da Computação

2018 - 2020

Centro Federal de Educação Tecnológica Celso Suckow da Fonseca
Título: Detecção de Anomalias em Turbinas Eólicas Utilizando Modelos Baseados em Dados
, Ano de Obtenção: 2020.Diego Nunes Brandão.Coorientador: Rodrigo Franco Toso. Bolsista do(a): Coordenação de Aperfeiçoamento de Pessoal de Nível Superior, CAPES, Brasil. Palavras-chave: Data Science; Turbina Eólica; Detecção de Anomalias.Grande área: Ciências Exatas e da Terra

Mestrado em Engenharia Elétrica

2014 - 2016

Universidade Federal do Rio de Janeiro
Título: Conformação de Feixes em Sonar Passivo Baseada em Invariância na Frequência
, Ano de Obtenção: 2016.José Manoel de Seixas.Coorientador: Natanael Nunes de Moura. Bolsista do(a): Coordenação de Aperfeiçoamento de Pessoal de Nível Superior, CAPES, Brasil. Palavras-chave: Conformação de Feixes; Sonar Passivo; Otimização Convexa.Grande área: Engenharias

Graduação em Engenharia de Produção

2007 - 2013

Universidade Federal Fluminense
Título: Análise de Viabilidade Econômica de Projetos Utilizando o Método de Simulação de Monte Carlo
Orientador: Luis Alberto Duncan Rangel

Ensino Médio (2º grau)

2004 - 2006

centro de estudos e pesquisas educacionais

Formação complementar

2009 - 2009

White Belt em Lean Six Sigma. (Carga horária: 30h). , Voitto Consultoria, VOITTO, Brasil.

Idiomas

Inglês

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

Espanhol

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

Português

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

Participação em eventos

IWSSIP. Wind Turbine Fault Detection: A Semi-Supervised Learning Approach With Automatic Evolutionary Feature Selection. 2020. (Congresso).

SBPO.Estudo sobre o uso do framework OpenMP na paralelização de um algoritmo para o problema de busca em largura.. 2019. (Simpósio).

Produções bibliográficas

PINNA, D. ; TOSO, R. F. ; SEMAAN, G. ; PEREIRA, A. I. ; FERREIRA, A. ; SOARES, J. ; Diego N. Brandão ; DE SÁ,FERNANDO . Optimization, Learning Algorithms and Applications. 2. ed. Ponta Delgada: Springer Cham, 2024. v. 2. 385p .
AGUILERA, C. A. ; AGUILERA, C. ; CONCI, A. ; P. G. Sá, Fernando . Book cover Book cover ICT Applications for Smart Cities. 1. ed. Barcelona: Springer, 2022. v. 1. 385p .
DE SÁ, FERNANDO ; PINNA, DANIELLE ; FERNANDES, KENNEDY ; DE OLIVEIRA, SANDERSON GONZAGA ; TOSO, RODRIGO ; BELLOZE, KELE ; BRANDÃO, DIEGO NUNES . Aplicação de Modelos Ocultos de Markov para Detecção de Falhas em Componentes de Turbinas Eólicas. In: Brazilian eScience Workshop, 2024, Brasil. Anais do XVIII Brazilian e-Science Workshop (BRESCI 2024). p. 8.
P. G. Sá, Fernando ; PINNA, DANIELLE ; SILVA DE ASSIS, LAURA ; GONZAGA DE OLIVEIRA, SANDERSON L. ; GONZÁLEZ, PEDRO HENRIQUE ; FRANCO TOSO, RODRIGO ; BRANDAO, DIEGO . NSGA-2 para Seleção de Atributos na Detecção de Falhas em Turbinas Eólicas. In: ANAIS DO SIMPóSIO BRASILEIRO DE PESQUISA OPERACIONAL, 2023, 2023.
PINNA, DANIELLE R. ; TOSO, RODRIGO F. ; BELLOZE, KELE ; DE SÁ, FERNANDO ; GUERRA, RAPHAEL ; BRANDÃO, DIEGO N. . Identificação de Falhas em Turbinas Eólicas Utilizando Abordagens de Aprendizado de Máquina. In: Simpósio Brasileiro de Banco de Dados, 2023, Brasil. Anais do XXXVIII Simpósio Brasileiro de Banco de Dados (SBBD 2023). p. 439.
PINNA, DANIELLE ; HAMACHER, RODRIGO ; Sá, Fernando de ; OLIVEIRA, SANDERSON L. GONZAGA DE ; GUERRA, RAPHAEL ; BELLOZE, KELE ; BRANDÃO, DIEGO . Estudo sobre Modelos de Aprendizado de Máquina para Detecção de Falhas em Turbinas Eólicas. In: v. 10 n. 1 (2023): CNMAC 2023, 2023.
SÁ, F. P. G. ; CONCI, A. ; AGUILERA, C. A. ; AGUILERA, C. . Fault Classification on Melamine Faced Panels Using Local Binary Pattern. In: SIBGRAPI, 2022, Natal. Brazilian Symposium on Computer Graphics and Image Processing (SIBGRAPI), 2022.
DE SA, FERNANDO P. G. ; AGUILERA, CRISTHIAN ; AGUILERA, CRISTHIAN A. ; CONCI, AURA . Fault Classification on Melamine Faced Panels Using Local Binary Pattern. In: 2022 35th SIBGRAPI Conference on Graphics, Patterns and Images (SIBGRAPI), 2022, Natal. 2022 35th SIBGRAPI Conference on Graphics, Patterns and Images (SIBGRAPI), 2022. p. 222.
PINNA, D. ; BRANDAO, DIEGO N. ; TOSO, R. F. ; SÁ, F. P. G. . Wind turbine data visualization based on Principal Component Analysis. In: Congresso Ibero-Americano de Empreendedorismo, Energia, Ambiente e Tecnologia, 2022, Bragança. Anais do CIIEMAT 2022, 2022.
DE SA, FERNANDO P. G. ; BRANDAO, DIEGO N. ; OGASAWARA, EDUARDO ; COUTINHO, RAFAELLI DE C. ; TOSO, RODRIGO F. . Wind Turbine Fault Detection: A Semi-Supervised Learning Approach With Automatic Evolutionary Feature Selection. In: 2020 International Conference on Systems, Signals and Image Processing (IWSSIP), 2020, Niterói. 2020 International Conference on Systems, Signals and Image Processing (IWSSIP), 2020. p. 323.
COUTINHO, RAFAELLI DE C. ; Diego N. Brandão ; DE SA, FERNANDO P. G. ; GONZALES, P. H. ; ASSIS, L. S. ; OLIVEIRA, S. L. G. . Estudo sobre o uso do framework OpenMP na paralelização de um algoritmo para o problema de busca em largura.. In: LI Simpósio Brasileiro de Pesquisa Operacional, 2019, Campinas/SP. LI SIMPóSIO BRASILEIRO DE PESQUISA OPERACIONAL, 2019, Limeira, 2019.
SÁ, F. P. G. ; Diego N. Brandão ; OGASAWARA, E. S. ; COUTINHO, R. C. ; TOSO, R. F. . Wind Turbine Fault Detection: A Semi-Supervised Learning Approach With Two Different Dimensionality Reduction Techniques. International Journal of Innovative Computing and Applications (Online) , 2021.
SÁ, F. P. G. ; SEIXAS, J. M. ; MOURA, N. N. . Conformação de Feixes em Sonar Passivo Baseada em Invariância na Frequência. 2016. (Apresentação de Trabalho/Congresso).
CONCI, A. ; P. G. Sá, Fernando . On Breast Reconstruction using IR Images by AI Techniques 2025 (Trabalho aprovado para publicação).
SÁ, F. P. G. ; SEIXAS, J. M. ; MOURA, N. N. . Conformação de Feixes em Sonar Passivo Baseada em Invariância na Frequência 2016 (Dissertação de mestrado).
SÁ, F. P. G. ; Rangel, Luis Alberto Duncan . Análise de Viabilidade Econômica de Projetos Utilizando o Método de Simulação de Monte Carlo 2013 (Trabalho de Conclusão de Curso de Graduação).
DE SA, FERNANDO P. G. . Introdução à Computação Paralela e Distribuída com Apache Spark. 2019. (Curso de curta duração ministrado/Outra).
SÁ, F. P. G. . Metrologia. 2013. (Curso de curta duração ministrado/Outra).

Projetos de pesquisa

2014 - 2016

Pesquisa em Sistemas de Sonar Passivo de Alto Desempenho, Descrição: Projeto financiado pela Capes Pró-Defesa, em parceria com o Instituto de Pesquisa da Marinha, cuja finalidade é o aperfeiçoamento da tecnologia de sonar nacional, a fim de implantá-lo no submarino nuclear brasileiro.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Mestrado acadêmico: (2) Doutorado: (1) . , Integrantes: Fernando Pereira Gonçalves de Sá - Integrante / José Manoel de Seixas - Coordenador / Natanael Nunes de Moura - Integrante.

Prêmios

2020

Menção de Louvor pelo desenvolvimento e apresentação da dissertação, PPCIC CEFET/RJ.

Histórico profissional

Experiência profissional

2014 - 2016

Universidade Federal do Rio de Janeiro

Vínculo: Bolsista, Enquadramento Funcional: Aluno de Mestrado

Outras informações:
Bolsista de Mestrado atuante no Projeto de Pesquisa em Sistemas de Sonar Passivo de Alto Desempenho, desenvolvido pelos Laboratório de Processamento de Sinais e LabSonar. Durante o mestrado, realizei pesquisas desenvolvendo códigos em Python, C++ e Matlab. Uso de dados de áudio fornecidos pela Marinha do Brasil, que serviu de insumo para a elaboração da pesquisa de Conformação de Feixes com invariância na frequência.

2012 - 2013

Universidade Federal Fluminense

Vínculo: Bolsista, Enquadramento Funcional: Monitor de Física (Eletromagnetismo), Carga horária: 12

Outras informações:
Monitor da disciplina Física 2, eletromagnetismo. Durante o desempenho da função, foi responsável pelo atendimento dos alunos inscritos na disciplina, elaboração de aulas explicativas e material de estudo.

2011 - 2011

Galvão Engenharia

Vínculo: CLT, Enquadramento Funcional: Auxiliar Técnico, Carga horária: 45, Regime: Dedicação exclusiva.

Outras informações:
Elaboração de orçamentos, medição de obra e atividades de apoio à gerência de Contrato.Setor: Administração Contratual.Obra do Terminal Aquaviário da Ilha Comprida, Rio de Janeiro.Uso do pacote Office. Programação em VBA para a automatização de tarefas.

2017 - 2017

UniSoma Matemática para Produtividade, UniSoma

Vínculo: Celetista, Enquadramento Funcional: Analista de Modelagem Matemática, Carga horária: 40, Regime: Dedicação exclusiva.

Outras informações:
Participação de reuniões com o cliente da consultoria para levantamento de requisitos. Programação em Java e Python. Pré-processamento de dados para imputação na plataforma de otimização IBM Decision Optimization Center (DOC). Auxílio na criação de modelos matemáticos a partir dos requisitos. Atuação em projeto de otimização de malha logística da segunda maior cooperativa agrícola do Brasil, COAMO.

2021 - 2021

IDados

Vínculo: Celetista, Enquadramento Funcional: Pesquisador (Perfil Cientista de Dados), Carga horária: 40, Regime: Dedicação exclusiva.

Outras informações:
Participação de projetos do terceiro setor que valorizavam a cidadania e a educação. Em um dos projetos, trabalhei com a modelagem matemática para otimizar a rede de transporte escolar pública. Obtenção e extração de conhecimento a partir de bases de dados públicas, obtidas do IBGE, principalmente. Participei de todo o ciclo do projeto Mapa da Cidadania, que teve o objetivo de reunir dados socioeconômicos para identificar regiões carentes da cidade do Rio de Janeiro sob a ótica dos objetivos do milênio da ONU. Em complemento aos dados sociodemográficos, foram realizados estudos para compreender as relações causais que influenciaram nas contaminações e óbitos por Covid-19 nas diferentes regiões da cidade do Rio de Janeiro. Utilizei as seguintes ferramentas para desenvolver os projetos: R, Python, Java, Apache Spark, Docker, Git, R Shiny, Power BI, PostgreSQL, Pytorch

2021 - 2024

Instituto Infnet do Rio de Janeiro

Vínculo: Celetista, Enquadramento Funcional: Monitor de Bootcamp (Data Science), Carga horária: 9

Outras informações:
Atendimento dos alunos no desenvolvimento de atividades do curso, esclarecimento de dúvidas e suporte às atividades docentes}. Durante o atendimento aos alunos, as seguintes ferramentas são abordadas: R e Python, SQL e os administradores PostgreSQL, MySQL e MongoDB, consumo e criação de APIs, Pytorch, TensorFlow e Keras, Docker, Git

2021 - 2023

Centro de Pesquisas de Energia Elétrica

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

Outras informações:
Atuação no projeto MIDAS , cujo objetivo é a construção de uma solução baseada em visão computacional para digitalizar diagramas unifilares, o que vai permitir a integração dos dados processados com o sistema de monitoramento SAGE. Neste projeto utilizei diferentes ferramentas: - programação: Java, R, C++, Python - plataformas de deep learning: Pytorch, TensorFlow - virtualização Docker - front-end: HTML, CSS, Bootstrap - back-end: Django - versionamento Git: GitHub - Banco de dados :Neo4j - bibliotecas python: Scikit-learn, Numpy, OpenCV, Numpy

2018 - 2020

Centro Federal de Educação Tecnológica Celso Suckow da Fonseca

Vínculo: Bolsista, Enquadramento Funcional: Bolsista de mestrado, Carga horária: 40, Regime: Dedicação exclusiva.

Outras informações:
Aluno bolsista de mestrado. A pesquisa realizada abrangeu temas como computação paralela, otimização em grafos e detecção de anomalias em turbinas eólicas. O projeto de pesquisa rendeu artigos publicados em congressos e revistas. A defesa da dissertação rendeu menção honrosa pela qualidade do trabalho desenvolvido.

2024 - Atual

Tribunal de Justiça do Estado do Rio de Janeiro

Vínculo: Terceirizado, Enquadramento Funcional: Cientista de Dados Sênior, Carga horária: 40

Outras informações:
Atuo como cientista de dados no projeto Sala Íris, uma importante iniciativa do TJRJ para a digitalização e implementação de recursos de inteligência artificial para aprimorar os processos do tribunal. Já desenvolvi sistema que embarca processamento de linguagem natural, regras de negócio e otimização. O sistema foi alimentado com dados de diferentes fontes públicas extraídas do Portal de Dados abertos, com a finalidade de treinamento de modelos NER. No momento, estou envolvido em um projeto de grande impacto que aplicará o framework GraphRag para a construção de sistema de busca inteligente apoiado em grandes modelos de linguagem (LLMs). O desenvolvimento das ferramentas envolve a programação em Java, Python e C++. Uso de diferentes bibliotecas Python: ambiente Anaconda (Pytorch, Pandas, Scikit-Learn, TensorFlow), Spacy, NLTK, entre outras. Docker, Git, integração com ambiente AWS.

2024 - 2025

Fundo de População das Nações Unidas

Vínculo: Consultor, Enquadramento Funcional: Consultor Pessoa Física IBGE

Outras informações:
Edital N 4/2024. Consultor individual alocado em projeto no IBGE, continuidade do projeto anterior. O foco deste edital foi ampliar as proposições de técnicas que podem aprimorar o CEMPRE. Técnicas probabilística de integração de dados como Record Linkage foram aplicadas para a correção de campos de endereços cadastrados no CEMPRE. Outro problema solucionado foi a fusão de dados que permitisse o georreferenciamento dos cadastros CEMPRE a partir da base de dados CNEFE e DNE (Correios). Os resultados foram promissores e garantiram que as metodologias propostas ao longo dos relatórios entregues represetam importante aprimoramento alinhado com as melhores práticas. Ptyhon e bibliotecas de processamento de lingugagem natural e manipulação de dados foram intensivamente utilizados.

2023 - 2024

Fundo de População das Nações Unidas

Vínculo: Consultor, Enquadramento Funcional: Consultor Pessoa Física IBGE

Outras informações:
Edital 083/2023. Consultoria individual realizada no IBGE. A consultoria envolveu a proposição de técnicas de ciência de dados para o aprimoramento da base de dados CEMPRE e CNAE. Bases de dados extraidas do potal Dados Abertos foram utilizadas para completar informações. Foram elaborados 6 relatórios contendo a metodologia proposta e resultados obtidos. Técnicas de aprendizado de máquina envolvendo algoritmos supervisionados e não-supervisionados foram aplicados na metodologia. Python, seus frameworks web e bibliotecas de manipulação de dados foram a base para a execução da metodologia. Além do Python, alguns resultados foram obtidos utilizando R, principalmente para a análise exploratória, análises estatísticas e visualização de dados.