Rafael Geraldini
Francisco

Problema

Acesso à legislação de zoneamento e licenciamento empresarial era fragmentado, exigia conhecimento técnico-jurídico e consumia horas de pesquisa em portais públicos.

Solução

Fine-tuning supervisionado de um modelo Llama com QLoRA + Unsloth sobre o corpus jurídico municipal completo, exposto via interface de linguagem natural. O modelo responde em segundos consultas que antes levavam horas.

Stack Técnica

Impacto

Democratização do acesso à informação técnica municipal — de horas para segundos. Interface de linguagem natural elimina a barreira de conhecimento jurídico.

Duas Variantes

Modelo Python Fine-Tuned — geração e análise de código Python: 97,95% LLM-as-Judge (GPT-3.5: 94,29%) · CodeBERT-F1 0,9131
Modelo SQL Fine-Tuned — text-to-SQL em dialect corporativo: 71,33% LLM-as-Judge (GPT-3.5 Turbo: 67,52%) · CodeBERT-F1 0,9459

Dataset Sintético

74.222 exemplos de treino gerados por pipeline automatizado: extração de contexto de código-base real → geração de pares instrução/resposta via LLM → filtragem de qualidade → dataset estruturado para fine-tuning supervisionado.

Treinamento

QLoRA 4-bit com LoRA rank-16 em NVIDIA A100 40 GB. Fev–Abr 2024. Avaliação tripla: LLM-as-Judge, CodeBERT-F1 e execução funcional de código.

Disponibilidade & Impacto

Modelos públicos em Hugging Face, compatíveis com API OpenAI via vLLM para deploy corporativo. Quantização 4-bit reduz custo de memória e acelera inferência em ambientes de produção.

Stack Técnica

Módulos

Gerador de Workflows — constrói fluxos LLM com catálogo de conectores, detecção de ambiguidade em prompts e continuidade de sessão entre agentes
Engine de Guardrails — NER via Transformers+spaCy, Regex, Moderação, detecção de Jailbreak e Prompt Injection, SDK de Blocking/Masking de PII em tempo real
Observabilidade — stack Loki + MongoDB + Fluentd, rastreamento distribuído de chamadas entre agentes e sistema de alertas
Web Search — roteador multi-provider: Tavily · Exa · DuckDuckGo · SerpAPI
MCP Server — protocolo de contexto para integração com agentes externos

Diferencial

Auditoria completa de todas as decisões tomadas por agentes, detecção de PII em tempo real com mascaramento antes de qualquer chamada a LLM externo, conformidade a PLD e LGPD com trilhas de log imutáveis.

Guardrails em Ação

Cenário real de proteção: solicitações com padrões de CPF e dados sensíveis são interceptadas por NER + Regex antes do LLM. O pipeline aplica mascaramento automático e segue com resposta segura, preservando rastreabilidade para auditoria posterior.

Stack Técnica

Contexto

Projeto para acelerar construção de documentos estruturados, validado em múltiplas iterações de arquitetura.

Resultado

Entrega funcional com extração de parágrafos, geração de questões norteadoras e renderização inicial de slides. Primeiro protótipo operando com ~9,5 tokens/s em ambiente local.

Stack Técnica

Cobertura

Face recognition, OCR, fraud detection, object counting, summarization, sentiment, speech-to-text, recommender, segmentation, forecasting e outros módulos aplicados a operações reais.

Status de Entrega

Apps disponibilizados com trilha de execução local e cloud. Parte dos cenários ficou condicionada a credenciais externas de API, com fallback documentado para continuidade técnica.

Stack Técnica

Contexto

Uma instituição financeira precisava formalizar o ciclo de vida de modelos de IA em produção — de aprovação até monitoramento contínuo — em conformidade com PLD, LGPD e diretrizes do BACEN sobre uso responsável de algoritmos em decisões de crédito e risco.

Entregáveis

· Mapeamento de riscos e criação de Model Cards para todos os modelos em produção
· RBAC granular com políticas de acesso segmentadas por time e nível de risco
· Pipeline de monitoramento de concept drift e data drift com alertas automáticos
· Processo de validação de viés algorítmico pré-deploy com relatório de equidade
· Trilhas de auditoria imutáveis para decisões automatizadas de alto impacto

Stack Técnica

Impacto

Redução de risco regulatório, visibilidade completa sobre o ciclo de vida dos modelos e processos formais de revisão humana para decisões automatizadas de alto impacto ao cliente.

Arquitetura (3 etapas)

1. Detecção facial com MTCNN · 2. Geração de embeddings com Inception ResNet / ResNet50 · 3. Matching por Cosine Similarity contra galeria de identidades.

Performance

VGGFace2: 97.77% Precision · 97.22% Recall. Deploy otimizado para CUDA no NVIDIA Jetson com gestão de dependências cross-arch (Python 3.6 · Torch 1.10).

Datasets

VGGFace2 (3,3M+ faces · 9.131 identidades) · CASIA WebFace (494k imagens · 10.575 identidades)

Stack Técnica

Abordagem

Extração de features com ResNet50, normalização por histogram matching (scikit-image) e busca KNN no espaço de embeddings com StandardScaler. Múltiplas métricas: FSIM, SSIM, RMSE, UIQ.

API

POST /api/img_fraud_detect  POST /api/images_upload

Stack Técnica

Arquitetura (4 containers)

Redis (session store) → OAuth2 Proxy (Google Auth + JWT) → Nginx (reverse proxy) → MLFlow 1.28 (SQLite + GCS artifacts).

Segurança

Controle de acesso por domínio via Google Cloud. Cookie refresh de 2h. Header forwarding: X-User X-Email X-Access-Token.

Frameworks suportados

Stack Técnica

Estágios

1. SAST — security scanning · 2. Unit Test — Pytest Python 3.9 · 3. Validate — Dockerfile lint · 4. Build — Docker → GCR · 5. Deploy — Cloud Run · 6. Healthcheck — POST /health

Diferencial

Docker-in-Docker (DinD) para build isolado, autenticação via service account GCP e verificação automatizada de saúde de frontend e backend após cada deploy.

Stack Técnica

Problema

Identificar falhas silenciosas na caldeira do sistema de aquecimento de água central antes que causem interrupção de serviço — sem depender de manutenção reativa.

Arquitetura

Sonda DS18B20 → ESP8266 com firmware ESPHome (MQTT over Wi-Fi) → Home Assistant (automações e alertas) hospedado em Raspberry Pi 3B local.

Funcionalidades

Dashboard de temperatura em tempo real · Alertas automáticos por anomalia de leitura · Histórico de séries temporais · Detecção de falha por threshold configurável.

Stack Técnica

Como Funciona

Software de captura (host) amostra as bordas do frame em tempo real, computa a cor média por região e envia os valores RGB via serial USB ao Arduino, que controla cada LED da fita WS2812B individualmente via protocolo endereçável.

Resultado

Latência perceptível < 50 ms · Suporte a múltiplos perfis de layout por posição da fita (superior, lateral, inferior) · Extensível para múltiplos segmentos independentes.

Stack Técnica

Infraestrutura

VPS Linux com cluster Kubernetes single-node — ambiente deliberadamente não gerenciado para estudar os primitivos K8s (deployments, services, ingress, secrets) sem abstração de cloud provider.

Aplicação — Notificações E-commerce

n8n hospedado no cluster para orquestrar notificações de eventos do e-commerce: confirmação de pedido, atualização de rastreio e alertas de status — integrando webhooks do e-commerce com múltiplos canais de notificação.

Stack Técnica

Abordagem

Pipeline com embeddings contextuais e fine-tuning de modelos transformers para classificação robusta de sentimento em domínio real.

Aplicações

Monitoramento de feedback de usuários, análise de satisfação e suporte a operações de atendimento com priorização orientada a sentimento.

Stack Técnica