Foto de Jean Pierre Ribeiro dos Santos

Jean Pierre Ribeiro dos Santos

Machine Learning & AI Engineer · Visão computacional · NLP

Experiência 💼

Projetos 🗂️

Vídeos 🎬

Formação 🎓

Bacharelado em Ciência da Computação

UNIMAM, Centro Universitário Maria Milza · Jan 2025 – Jun 2027 (previsão)

Estágio

Núcleo de Inovação Tecnológica (NIT)

2º semestre de 2026 – atual

Pesquisa

Mudança lexical em resumos acadêmicos após a IA generativa Em andamento Pôster · 22º CEPP

2026 – atual · Processamento de linguagem natural

O vocabulário dos resumos da UNIMAM mudou depois do ChatGPT? Dois acervos, de 2013 a 2025.

Pôster da pesquisa sobre o vocabulário dos resumos acadêmicos da UNIMAM, exposto no 22º CEPP
2.879 TCCs3.811 resumos do SEP7 modelos de IA
Mudança lexical em resumos acadêmicos

Mudança lexical em resumos acadêmicos após a difusão da inteligência artificial generativa: evidência de dois acervos de um centro universitário baiano (2013–2025).

Pesquisa em inteligência artificial e processamento de linguagem natural que investiga mudanças no vocabulário de resumos acadêmicos depois da popularização do ChatGPT. Usei análise lexical e métodos estatísticos, inspirados nos estudos de Kobak e de Liang, para comparar dois acervos acadêmicos da UNIMAM. Também fiz experimentos com sete modelos de IA para avaliar se eles reproduzem os padrões linguísticos encontrados.

Apresentada como pôster no 22º CEPP da UNIMAM, com Maria Eduarda Lima Santos.

  • NLP
  • Análise lexical
  • Estatística
  • LLMs

Modelos multimodais para classificação zero-shot de pragas Pôster · 21º SEP

2025 · Visão computacional

Vision Transformers que reconhecem pragas sem treino específico para a tarefa.

Pôster da pesquisa exposto no 21º SEP da UNIMAM
zero-shotVision Transformers21º SEP
Classificação zero-shot de pragas

Uso de modelos multimodais para classificação zero-shot de pragas agrícolas. Uma abordagem multimodal para detectar pragas agrícolas com Vision Transformers. O objetivo foi mostrar que modelos multimodais classificam pragas sem treinamento prévio para essa tarefa, o que reduz o custo de treinar o modelo e de montar um dataset.

Apresentada como pôster no 21º SEP da UNIMAM, em 2025.

  • Zero-shot
  • Vision Transformers
  • OWL-ViT
  • Modelos multimodais

Estado da arte: pragas com poucos exemplos Revisão bibliográfica

2025

12+ artigos sobre YOLO, aprendizado com poucos exemplos e objetos pequenos na agricultura de precisão.

Idiomas 🌎

Português: nativo

Inglês: avançado