Andrés Vidal

Cientista da Computação e Estatístico

andres@andresvidal.dev andresvidal.dev github.com/andres-vidal linkedin.com/in/andresvidalberriel orcid.org/0009-0008-6350-7585 Montevidéu, Uruguai

Cientista da computação e estatístico uruguaio. Trabalho para construir pontes entre a pesquisa em aprendizado de máquina estatístico e software rápido e confiável. Autor de publicações revisadas por pares sobre modelos generativos distribuídos e do ppforest2, uma implementação de alto desempenho em C++/R de Projection Pursuit Random Forests. Mais de 6 anos construindo software de produção para clientes dos Estados Unidos.

Formação

Em breve

Mestrado, Universidad de la República, Uruguai

Faculdade de Engenharia (aprendizado de máquina / matemática aplicada).

Em andamento

Bacharelado em Estatística (perfil tecnológico), Universidad de la República, Uruguai

Aprendizado estatístico, análise multivariada e modelagem matemática.

2022

Engenharia da Computação (Ingeniería en Computación), Universidad de la República, Uruguai

Tese: Aumentación de conjuntos de datos utilizando redes neuronales generativas profundas distribuidas. Orientador: S. Nesmachnow.

2015

Curso Técnico, IFRS Campus Canoas (Brasil)

Originalmente Técnico em Informática, com ênfase em análise e desenvolvimento de sistemas; o programa foi posteriormente renomeado para Técnico em Análise e Desenvolvimento de Sistemas.

Publicações

2023

Parallel-Distributed Implementation of the Lipizzaner Framework for Multiobjective Coevolutionary Training of Generative Adversarial Networks

S. Nesmachnow, J. Toutouh, A. Mautone, G. Ripa, A. Vidal

High Performance Computing · CARLA 2023, Springer · doi.org/10.1007/978-3-031-52186-7_7

2023

Multiobjective coevolutionary training of Generative Adversarial Networks

A. Mautone, G. Ripa, A. Vidal, S. Nesmachnow, J. Toutouh

GECCO '23 Companion, ACM

2022

Aumentación de conjuntos de datos utilizando redes neuronales generativas profundas distribuidas: exploración del uso de algoritmos coevolutivos multiobjetivo en busca de mejoras en la diversidad de las muestras generadas

Tese de Engenharia da Computação · com A. Mautone e G. Ripa · Orientador: S. Nesmachnow

Universidad de la República · repositório Colibrí

Experiência

Desde 2020

Senior Software Engineer, WyeWorks

Desenvolvimento full-stack de aplicações web de produção para clientes dos Estados Unidos em TypeScript (React, Next.js, NestJS), em ed-tech, e-commerce/ticketing e saúde.
Prisma (escola virtual): ferramentas de aprendizado colaborativo em tempo real, incluindo um editor colaborativo de apresentações com vídeo incorporado e um editor de blocos estilo Notion, construídos com React e CRDTs.
Liderei o design de um framework de renderização de formulários baseado em esquemas (React + Zod) para substituir um sistema legado.
Projetei e conduzi o programa interno de onboarding da WyeWorks.

Desde 2013

Assistente de pesquisa, IFRS Campus Canoas

Bolsista de Iniciação Científica (CNPq, IFRS) em projetos interdisciplinares que aplicavam software às humanidades e à educação: literatura brasileira em tradução (que deu origem à plataforma Richard Burton) e robótica educacional. Também docente ocasional de cursos curtos (tecnologias web 2020; Elixir/Phoenix 2023).

Projetos selecionados

ppforest2

Projection Pursuit Random Forests: implementação de alto desempenho

Um núcleo rápido e eficiente em memória em C++ com interfaces para R e CLI, e um sucessor moderno do pacote de R PPforest. Cortes oblíquos, treinamento multithread (OpenMP), integração com tidymodels e golden tests reprodutíveis multiplataforma. Submetido ao CRAN. (Projeto de tese de Estatística.)

github.com/andres-vidal/ppforest2 · docs

richardburton

Richard & Isabel Burton Platform

Uma plataforma full-stack (React + Elixir/Phoenix) que cataloga traduções para o inglês de literatura brasileira. Evoluiu de um projeto do técnico em Java (JSF/JPA) para uma plataforma registrada no INPI, hoje uma colaboração voluntária de pesquisa com o IFRS Canoas.

github.com/andres-vidal/richardburton

Competências

Linguagens

C++, R, TypeScript, Elixir, Python

Frameworks / ferramentas

React, Next.js, NestJS, Zod, PostgreSQL · tidymodels, Phoenix · Git, CMake, OpenMP, CI/CD

Areas

Aprendizado estatístico e de máquina · computação de alto desempenho / paralela · engenharia de software científico · desenvolvimento web full-stack

Idiomas

Espanhol (nativo) · Português (bilíngue) · Inglês (Cambridge FCE, C1)