Washington Wu

Cientista de Dados e Engenheiro MLOps com experiência comprovada em produção: Modelos de Machine Learning, arquiteturas RAG escaláveis, LLMs integrados a fluxos corporativos e pipelines de dados ponta a ponta no Azure. Reduziu latência de consults em 50% e eliminou 80% do trabalho manual em projetos reais com 200+ usuários. Conhecimento em Python, Docker, FastAPI e MLflow.

Machine Learning Engineer at Soil Tecnologias (2026-06 – Present)

DATA & AI

• Construção de protótipos otimizados com edge computing e IA clássico para realizar irrigações de pivôs em áreas com pouca rede/infraestrutura.

Cientista de Dados & MLOps at MBRF (2025-10 – 2026-05)

Estágio

• Projetei e implementei uma arquitetura RAG escalável com Docker e FastAPI, integrando LLMs e pipelines de vetorização, reduzindo a latência das consultas em ~50% e eliminando gargalos de acesso em toda a organização.
• Para acabar com horas semanais perdidas em pesquisa manual no Microsoft Teams, desenvolvi APIs baseadas em LLMs com engenharia de prompts e recuperação semântica integradas diretamente ao ambiente de trabalho, reduzindo o tempo de busca de informações internas em ~50%.
• Diante de modelos em produção sem rastreamento ou governança, orquestrei pipelines no Azure ML, Data Factory e Databricks, configurei versionamento e rastreamento de experimentos com MLflow, e implementei camadas de dados read-only — resultando em ambiente de MLOps auditável com deploy contínuo e modelo Random Forest rodando como API preditiva de preços em tempo real (avaliado via RMSE).

Estagiário de Dados & IA at MACKE CONSULTORIAS (2025-07 – 2025-09)

DATA & AI

• Diante de um processo manual de extração de entidades com alta taxa de erro, apliquei técnicas avançadas de NLP com LangChain e engenharia de prompts para automatizar o pipeline elevando a acurácia em 20% e reduzindo o trabalho manual em 80%, com entrega direta das aplicações para a linha de frente do negócio.

Bacharelado in Sistemas de Informação – UTFPR (2027-10)