01 — LANGUAGE CORE
Runtimes e linguagens para sistemas, web, pesquisa e jogos
- PythonRESEARCH & DEV
- Java 17BACKEND
- JavaScriptFULLSTACK
- TypeScriptTYPED WEB
- C++ALGORITHMS
- LuauGAME SCRIPT
CIÊNCIA DA COMPUTAÇÃO // PESQUISA EM IA & ENGENHARIA DE SOFTWARE
Entre aplicativos mobile, pesquisa em aprendizado de máquina, jogos e docência, projeto soluções de software combinando rigor analítico e impacto prático.
Graduando em Ciência da Computação e Técnico em Informática no IF Sudeste MG (Campus Rio Pomba). Autor de publicação científica em bioacústica no CoBICET e tutor de programação na CNA Digital e Kodland.
Competências técnicas auditadas organizadas em 4 compartimentos modulares. Selecione ou filtre para inspecionar o contexto de aplicação em software e pesquisa.
Runtimes e linguagens para sistemas, web, pesquisa e jogos
Frameworks e bibliotecas para aplicações móveis, web e desktop
Pré-processamento acústico, modelos preditivos e grafos
Versionamento, persistência, modelagem 3D e documentação UML
De uma vitrine comercial em produção a um ecossistema universitário, pesquisa com aprendizado de máquina e jogo autoral.
Desenvolvimento e publicação do site oficial do Lundgren Atelier. Estruturei uma vitrine autoral rápida e responsiva em Astro e Tailwind CSS, integrada ao Sanity.io (Headless CMS) para gestão de obras, com scripts em Node.js para migração do acervo e publicação contínua no Cloudflare Pages.

Pesquisa de iniciação científica e TCC no IF Sudeste MG em coautoria com o Prof. Maurício Archanjo Nunes Coelho. Investigamos a identificação automática de 136 espécies de aves ameaçadas (repositório Xeno-Canto), extraindo Espectrogramas Mel e coeficientes MFCC para avaliar SVM (MVS), GMM-HMM (MOM) e Redes Neurais Convolucionais (CNN / RNC).
Configuração inicial de referência para avaliar os classificadores sobre os sinais acústicos sem o refinamento proposto.
Pipeline espectral refinado avaliado com SVM, GMM-HMM e CNN, no qual a CNN alcançou F1-weighted de 0,82.
Ecossistema desenvolvido no projeto de extensão "Emagreça na Musculação no IF Sudeste MG — Campus Rio Pomba", integrando três aplicações (Aluno, Professor e Coordenador) e versão web com Expo Router. Atuei na evolução em React Native, modelagem NoSQL no Firebase, cálculos de carga de treino (CIT, Monotonia e Strain) e testes de usabilidade — apresentado no VII SIMEPE (2025).
Fichas de treino, registro de Percepção Subjetiva de Esforço (PSE) e sincronização em nuvem.
Presença, avaliações físicas (dinamometria, sentar e alcançar) e telemetria gráfica em Victory Native.
Supervisão de turmas, docentes e indicadores consolidados de extensão universitária.
Roguelite autoral de criaturas mutantes em desenvolvimento. Combina incursões de exploração procedurais, evolução genética modular e gerenciamento da Base Pessoal 2.0, unindo programação orientada a dados em Luau e modelagem 3D autoral no Blender.
Expedições de risco e recompensa, coleta de material genético e validação de estado cliente-servidor.
Composição em Luau onde mutações alteram morfologia e atributos de espécimes modelados no Blender.
Gerenciamento e progressão persistente da base do jogador entre sessões no Roblox Studio.

Victor Emanuel estruturou a base do projeto Maven com JPA/Hibernate, os cadastros principais de projetos, terrenos e despesas, e o visualizador 3D (.OBJ). Atuei na refatoração da arquitetura MVC, controle de acesso, validação de regras de negócio e documentação UML.

Jogo de plataforma 2D autoral desenvolvido para o processo seletivo de tutor da Kodland. Implementa física de pulo e movimentação com matemática vetorial, inimigos com padrões de patrulha, plataformas móveis, coleta de fragmentos, gerenciamento de estados (menu, introdução, fases e game over) e trilha sonora.
Meta-heurística Simulated Annealing com operador Cut-and-Reconnect e gerador de instâncias para otimização em grafos.
Especificação de requisitos e 16 diagramas UML (Classes, Caso de Uso, Sequência, Estado, Atividade e Implantação) para gestão de obras.
Implementação do algoritmo Hopcroft-Karp em grafos bipartidos e identificação de nós de controle em redes direcionadas.
Série aberta de 16 videoaulas ensinando React Native do zero ao APK (@CURSORNFIRP) e comunidade acadêmica Roadmap Python.
Detecção Acústica de Aves Ameaçadas Utilizando Aprendizado de Máquina
GARCIA, J. S.; COELHO, M. A. N. · Editora Even3 · Apresentado no XVIII EAMC / LNCC (2026).
Python, React, Roblox Studio, Blender 3D, Unity, Ciência de Dados e IA.
Ensino baseado em projetos (PBL) com Python/Flask, POO, Roblox Studio/Lua e Git.
Pipelines bioacústicos (Mel/MFCC) e avaliação de CNN, SVM e GMM-HMM (136 espécies).
Evolução mobile em React Native/Expo, modelagem Firebase e testes de usabilidade.
Disponível para oportunidades em desenvolvimento de software, projetos de pesquisa aplicada em IA, colaborações técnicas ou ensino de programação.