Tarsis Lima da Silva

Sou Me. em Modelagem e Métodos Quantitativos pela Universidade Federal do Ceará (UFC) e atuo na linha de pesquisa de Inteligência Computacional e Otimização. Tal titulação foi obtida com o êxito de defesa da dissertação de título Redes Neurais Randomizadas para Determinação da Curva de Potência de Aerogeradores (sub-área: Engenharia/Tecnologia/Gestão). Possuo graduação em Lic. em Matemática pelo Instituto Federal de Educação, Ciência e Tecnologia do Ceará - IFCE, e atualmente graduando do curso Tecnologia em Telemática pelo mesmo instituto. Tenho experiência na área de ensino de matemática, ciência de dados e programação. Enquanto bolsista de pesquisa da FIOTEC trabalhei com o banco de dados RCSB Protein Data Bank (RCSB PDB). Durante o ano de 2011 fui Professor de Matemática do curso Pré-Universitário Popular de Fortaleza - POPFOR. Fui bolsista do Programa Institucional de Bolsa de Iniciação a Docência - PIBID no ano de 2010. Programo desde 2014. Desde 2017 acumulo experiências com resolução de problemas e implementações de algoritmos, modelos matemáticos, machine learning com aprendizado supervisionado, não-supervisionado, por reforço, semisupervisionado e redução de dimensionalidade, com linguagens de programação Python, R, C, e Octave para trabalhos acadêmicos. Bibliotecas científicas e de dados utilizadas, análise de dados e modelos com NumPy, SciPy, Pandas, Pyomo, Matplotlib, Seaborn, Plotly, automatização de downloads com Requests, em ambiente de programação JUPYTER. Realizo tarefas de classificação, recomendação, predição, machine learning, regressão, clusterização (agrupamento), otimização e modelagem matemática. Iniciante em SQL e Power BI. Durante o mestrado, diversos trabalhos acadêmicos para aprendizagem durante as disciplinas foram desenvolvidos. No escopo de modelagem matemática-estatístico-computacional durante disciplinas como Introdução à Modelagem, Otimização (Linear, Inteira, e, Combinatória e em Grafos), Inteligência Computacional (redes neurais artificias e outros algoritmos), Reconhecimento de Padrões, algumas bibliotecas como Numpy, SciPy, Pandas, Pyomo, Matplotlib, e software Octave foram exaustivamente utilizados(as) em aplicações científicas e de problemas reais/teóricos, com implementação/programação de técnicas/métodos, modelos matemáticos, visualização (de dados) e solução gráfica para diversos problemas, a fim de encontrar solução viável boa e/ou ótima, realizar aprendizagem de máquina e classificação de padrões (por exemplo).Por fim, diversos cursos básicos como Operador de Microcomputador (96h/a e 120h/a, ano de 2002 e 2004), Montagem e Manutenção de Computadores (40h/a, 2003), Web Designer(80h/a, 2005), Projeto de Telecomunicações com Ênfase em Infraestrutura de Wi-fi (20h/a, 2016), e Introdução ao Software R (16h/a, 2017) foram realizados.