Ricardo Simão

Sou pós-graduado em sistemas complexos (física) pela Universidade Federal de Minas Gerais, onde já tratava com análise de dados e produção de modelos em FORTRAN. Desde o final de 2022, estou mudando de área para ciência de dados e desenvolvimento em python e coleciono três projetos abertos no PIpy e github. No primeiro uso análise de textos para montar um sistema de recomendação de vinhos que usa como entrada uma descrição “poética” das sensações esperadas. No segundo projeto uso dados abertos da missão hipparcos para montar um modelo ingênuo de unsurpevised machine learning inspirado no KMeans que seleciona o tipo espectral de estrelas catalogadas baseado na sua posição no diagrama de Hertzsprung-Russell e, a partir de aí, estimar por leis de escala empíricas conhecidas a massa, luminosidade, raio e temperatura de cada uma. No terceiro projeto monto um pacote com ferramentas de análise de séries temporais, incluindo análise espectral (como transformadas de Fourier), métodos de dinâmica não-linear (como mapa de Lorenz e reconstrutor de atratores) e métodos para previsão de comportamento (implementando redes neurais recursivas como Long Short Term Memory (LSTM) disponível pelo  pacote TensorFlow) com aplicações em séries temporais de temperatura global, batimentos cardíacos, manchas solares, sistemas financeiros e música. Atualmente, estou montando um quarto pacote que versa sobre análise de estatísticas de engajamento retirados do YouTube e Tweeter.

A minha maior paixão é entender o mundo por modelos simples assim como entender as suas limitações. A variabilidade e dificuldade dos projetos os quais me engajo mostra que me interesso bastante em domínio teórico e aplicação do conhecimento, seja em sistemas conhecidos ou expansão de fronteiras. 

Tenho 6 anos de experiencia em análise de sistemas complexos na academia na forma de pesquisas científicas e mais 5 meses de experiencia em desenvolvimento de pacotes em python e análise de dados como freelancer.

A meu título mais relevante é o meu doutorado em aplicações de métodos de mecânica estatística fora-de-equilíbrio e teoria de jogos a evolução do tráfego em cidades. Neste doutorado, modelamos o tráfego nas cidades por modelos analíticos e computacionais, aplicando teoria evolucionária de jogos e teoremas bem fundamentados da mecânica estatística, mostramos que não é possível, por exemplo, uma melhora significativa do tráfego veicular apenas com veículos automatizados, embora possa haver uma melhora significativa em segurança. Isto acontece por razões topológicas. Em uma cidade com uma boa parcela de vias de mão única, como a maioria das cidades do mundo, os veículos automatizados tem comportamento dominado pelos veículos não-automatizados, de forma que é necessário também reformas estruturais para haver uma mudança significativa do tempo de comuta.