Cientista de Dados · 6 anos de experiência · Pernambuco, Brasil

Olá, eu sou João Ataíde.

  • Tech Lead
  • GeoAI
  • Machine Learning
  • Cientista de Dados
  • Visão Computacional
  • Sensoriamento Remoto

Desenvolvo soluções de machine learning, deep learning e visão computacional com imagens ópticas e de radar (SAR), séries temporais e dados geoespaciais, da aquisição dos dados à operação em larga escala com MLOps.

Foto de João Ataíde com seu notebook

Sobre mim

Da imagem de satélite à decisão

Hoje sou Tech Lead na Imagem Esri, onde conduzo tecnicamente projetos de dados, GeoAI e visão computacional: arquitetura, metodologia, critérios de validação e direcionamento das equipes, da definição do problema à operação.

Cheguei aqui pela ciência de dados: são seis anos de experiência em machine learning, deep learning, visão computacional, GeoAI e sensoriamento remoto. Desenvolvo soluções com dados tabulares, séries temporais e imagens ópticas e de radar (SAR), cobrindo aquisição e preparação de dados, modelagem, validação, inferência, MLOps e integração com ambientes GIS corporativos.

Atuo também em engenharia de dados, construindo pipelines de ponta a ponta que conectam arquitetura, modelagem e operacionalização, com foco em automação, escalabilidade e monitoramento. Nos últimos anos venho integrando GenAI e LLMs a dados geoespaciais, com agentes, RAG geográfico e aplicações do tipo ChatGIS.

Foco: GeoAI e sensoriamento remoto multissensor; classificação, detecção e segmentação; SAR e séries temporais; change detection; GIS e MLOps.

Meus conhecimentos

Áreas de especialidade

  1. Visão Computacional e Deep Learning

    Detecção e segmentação de instâncias e panóptica em imagens de satélite, drone e biomédicas.

    • PyTorch
    • Keras
    • OpenCV
    • U-Net
    • Mask R-CNN
    • Mask2Former
    • YOLO
    • SAM
  2. Sensoriamento Remoto e GIS

    Imagens ópticas, de radar (SAR) e térmicas, change detection e integração ao ambiente GIS.

    • Sentinel-1/2
    • Landsat
    • SAR
    • Temperatura de superfície (LST)
    • Change Detection
    • ArcGIS Pro
    • ArcGIS Enterprise
    • QGIS
  3. Séries Temporais e Previsão

    Previsão e classificação de séries temporais, inclusive séries de imagens de satélite (SITS) pixel a pixel.

    • SITS
    • ARIMA/ETS
    • Modelos híbridos
    • LightGBM
    • Mamba
    • Transformers temporais
    • AutoHybTS
  4. Machine Learning e MLOps

    Modelos em produção e experimentos reproduzíveis, com ablação, replicação de artigos, rastreio e monitoramento.

    • Python
    • Scikit-learn
    • XGBoost
    • Optuna
    • Databricks
    • MLflow
  5. IA Generativa Geoespacial

    LLMs e agentes de IA aplicados a dados geográficos, com RAG em nuvem ou totalmente local.

    • LLMs
    • Agentes de IA
    • RAG geográfico
    • ChatGIS
    • Ollama
    • Qdrant

Projetos

Projetos e conteúdo aberto

Biblioteca Python de código aberto

AutoHybTS

Previsão automatizada de séries temporais híbridas: compara modelos e busca sistemas residuais, em que um modelo base faz a previsão e um corretor aprende o erro que sobra. A complexidade extra só é aceita quando passa por validação temporal; caso contrário, vence o modelo mais simples.

  • Séries temporais
  • Modelos híbridos
  • PyPI
Ver documentação

Aplicação web no Hugging Face

DL Interface

Construtor visual de arquiteturas de Deep Learning, em Flask, para montar redes camada por camada direto no navegador.

  • Deep Learning
  • Flask
  • Hugging Face
Abrir no Hugging Face

Instagram @geoaimath

GeoAI Math

Vídeos curtos explorando o mundo através de GeoAI e matemática.

  • GeoAI
  • Matemática
  • Reels
Ver no Instagram

Experiência

Trajetória profissional

  1. mai 2026 – atual

    Cientista de Dados · Tech Lead

    Imagem Esri

    • Estruturo e conduzo tecnicamente soluções de dados, GeoAI e visão computacional, da definição do problema à arquitetura, validação e integração ao ambiente operacional.
    • Exerço a liderança técnica na entrega de projetos e consultorias: arquitetura, metodologia, cronogramas, critérios de validação, riscos técnicos e direcionamento das equipes ao longo de todo o ciclo de desenvolvimento.
    • Desenvolvo pipelines multissensores que combinam imagens ópticas e SAR, dados vetoriais, informações meteorológicas, câmeras em campo, sensores IoT e registros operacionais, usando o ecossistema ArcGIS para processar, analisar e publicar os resultados.
    • Desenvolvi pipeline de detecção de anomalias em séries temporais SAR Sentinel-1 com TCN-v2, combinando Sentinel-2 e change detection óptico para identificar mudanças e gerar alertas georreferenciados.
    • Desenvolvi classificação de uso e cobertura da terra a 10 m com Sentinel-2 e XGBoost e um modelo multicritério AHP que combina NDVI/EVI, proximidade, contexto territorial e variáveis operacionais para priorizar áreas críticas.
  2. abr 2026 – jul 2026

    Consultor em Ciência de Dados e Visão Computacional

    Automaxia

    • Desenvolvi soluções de visão computacional para análise automatizada de imagens biomédicas, com modelos de detecção e segmentação para identificar e quantificar estruturas.
    • Comparei YOLO e RF-DETR com fatiamento de imagens, fusão de predições e análise sistemática de métricas e erros para escolher a abordagem mais adequada.
    • Estruturei experimentos de ML/DL com preparação de dados, validação e comparação de abordagens, documentando resultados, limitações e recomendações técnicas.
  3. abr 2024 – mai 2026

    Cientista de Dados

    VEGA Monitoramento

    • Estruturei pipelines multitemporais em Python, Spark e Databricks, integrados ao S3 e STAC, para aquisição, mosaicos, máscaras de nuvem, composições temporais, índices espectrais e processamento de Sentinel-1/2, Landsat e MODIS.
    • Desenvolvi framework de experimentação e treinamento com U-Net, DeepLab, Mask R-CNN, MLP e LSTM, integrando Scikit-learn, TensorFlow/Keras, PyTorch, PyCaret, Optuna, validação cruzada e rastreabilidade de experimentos.
    • Desenvolvi modelos Random Forest e redes neurais para uso e cobertura da terra, vegetação nativa e desmatamento em escalas nacional e internacional (biomas brasileiros e países da América do Sul e do Norte), com feature engineering, séries temporais, balanceamento por classe e geografia, tratamento de outliers e change detection.
    • Implementei fluxos com SAM, cubos estatísticos, NDVI/EVI e processamento SAR, automatizando ingestão, enriquecimento geoespacial, controles de qualidade e geração de produtos em ambiente distribuído.
  4. jan 2024 – atual

    Professor de pós-graduação

    ClickGeo Cursos e Pós-Graduações em Geotecnologias

    • Leciono disciplinas práticas de Python e R aplicados à Ciência de Dados Geográfica.
  5. out 2020 – abr 2024

    Cientista de Dados / Engenheiro de Visão Computacional

    Imagem Esri

    • Desenvolvi soluções multissensores e multirresolução com CBERS-4A, Sentinel-1/2, ICEYE, Landsat, imagens noturnas, alta resolução e drones para aplicações ambientais, urbanas, agrícolas e de infraestrutura.
    • Desenvolvi modelos de detecção, segmentação e classificação para telhados, piscinas, áreas verdes, praças, sistemas fotovoltaicos, aceiros, infraestrutura, vias, pavimentação e uso e cobertura da terra (com imagens de até 50 cm), com resultados de 98% para postes de iluminação, 97% para garimpo ilegal e piscinas, 85% para desmatamento por radar e acima de 93% para telhados em áreas regulares (85% em áreas complexas).
    • Criei soluções com CycleGAN para colorização de imagens SAR e U-Net para uso e cobertura da terra, e desenvolvi soluções de change detection e monitoramento contínuo com dados ópticos e SAR, com geração automatizada de alertas.
    • Construí e operacionalizei pipelines ponta a ponta para detecção de ligações não autorizadas, combinando visão computacional e dados tabulares, com ganhos operacionais e recuperação de receita.
    • Estruturei a arquitetura inicial e provas de conceito de aplicações de GenAI com LLMs e dados geoespaciais, desenvolvi modelos de otimização para escalonamento de equipes e contribuí para uma plataforma de orquestração e alocação de tarefas.

Formação

Educação e aprendizado contínuo

  1. 2026 – 2028 (em andamento)

    Mestrado em Engenharia da Computação

    Universidade de Pernambuco · Petrolina, PE

  2. 2026 – 2027 (em andamento)

    Pós-graduação em Visão Computacional

    STAR Research Institute · EAD

  3. 2019 – 2021

    Pós-graduação em Geoprocessamento e Georreferenciamento

    Universidade Federal Rural do Semi-Árido · Mossoró, RN

  4. 2019 – 2021

    Bacharelado em Engenharia Civil

    Universidade Federal Rural do Semi-Árido · Pau dos Ferros, RN

Outras formações: MBA em Pesquisa Operacional e Tomada de Decisão · Business School Brasil (EASE Brasil) · 2023; Pós-graduação em Business Intelligence, Big Data & Analytics · Universidade Norte do Paraná · 2021.

Docência

  • Professor de pós-graduação na ClickGeoPython e R para Ciência de Dados Geográfica · 2024 – atual
  • Instrutor na Alura: Redes Neurais Difusas e Transformers (PyTorch)Deep Learning / Engenharia de IA · 2025 – 2026
  • Instrutor na Aprenda GeoAIDados espaciais · 2021 – 2023

Idiomas

  • PortuguêsNativo
  • InglêsAvançado (profissional)
  • EspanholBásico

Certificações (7)

IA e visão computacional

  • Deep Learning SpecializationDeepLearning.AI · Coursera · 2022
  • Computer Vision NanodegreeUdacity · 2022
  • Generative AI with Large Language ModelsDeepLearning.AI e AWS · Coursera · 2023
  • Machine Learning in ProductionDeepLearning.AI · Coursera · 2024

Geoespacial e observação da Terra

  • Artificial Intelligence (AI) for Earth MonitoringEUMETSAT, ECMWF, Mercator Ocean e EEA · FutureLearn · 2022
  • Spatial Analysis and Satellite Imagery in a GISUniversity of Toronto · Coursera · 2023
  • Spatial Data Science and ApplicationsYonsei University · Coursera · 2021

Blog

Últimos artigos

Ver todos os 21 artigos
Capa do ebook O Guia Definitivo para Visão Computacional com Imagens de Satélites

Ebook gratuito

O Guia Definitivo para Visão Computacional com Imagens de Satélites

Ebook gratuito sobre a combinação de Visão Computacional e Imagens de Satélite: conceitos, satélites, dados na nuvem com STAC, séries temporais (SITS), modelos de fundação, ferramentas, aplicações e dicas de marca pessoal. Versão 2.0, atualizada em 2026.

Ler o ebook