Olá, prazer em conhecê-lo, eu me chamo Bruno 👋

Pesquisador focado em Hierarchical Multi-label Classification (HMC)

🔬 Interesses de Pesquisa

• 🌿 Classificação Hierárquica (HMC)
• 🧠 Machine Learning & Deep Learning
• 🕸️ Algoritmos em Grafos/Árvores

🛠️ Tecnologias e Ferramentas

📊 Minhas Estatísticas

⚡ Curiosidades

• 🧠 Linha de Pesquisa: Hierarchical Multi-Label Classification (HMC), com foco em coerência estrutural, regularização hierárquica e arquiteturas profundas especializadas por nível.
• 📄 Base Teórica: Interesse especial em modelos coerentes como C-HMCNN e abordagens que integram restrições estruturais diretamente na função de perda.
• 🔬 Abordagem Científica: Forte preocupação com reprodutibilidade experimental, organização de datasets e avaliação criteriosa por nível da hierarquia.
• ⚙️ Stack Principal: PyTorch para modelagem profunda, com exploração de GCN, GAT e mecanismos de atenção aplicados a estruturas hierárquicas.
• 📊 Otimização: Busca sistemática por hiperparâmetros (inclusive por nível hierárquico) utilizando estratégias automatizadas como Optuna.
• 📦 Engenharia de Software: Desenvolvimento de bibliotecas reutilizáveis para experimentos em HMC, com versionamento estruturado e preocupação com CI/CD.
• 🚀 Interesse Aplicado: Integração de sistemas de recuperação de informação (RAG), bases vetoriais e pipelines escaláveis para aplicações reais.
• 📐 Filosofia Técnica: Arquiteturas devem refletir a estrutura do problema — especialmente quando o problema é hierárquico.
• 🇧🇷 Contexto: Pesquisador brasileiro em Ciência da Computação, atuando na interseção entre aprendizado profundo, classificação estruturada e modelagem hierárica.

📝 Publicação em Destaque

[Committee of NAS-based models]
International Joint Conference on Neural Networks (IJCNN)