Cristiano Silva

Je suis ingénieur Full-Stack et Machine Learning basé au Brésil, avec 5+ ans d’expérience dans l’éducation, le gouvernement et le monde académique. Je suis titulaire d’une licence en informatique de l’UFJF, avec un mémoire sur le ML appliqué à l’évaluation de la fluidité en lecture, ainsi qu’un certificat de troisième cycle en bases de données.
Mon pile de base couvre Python, Java, TypeScript/JavaScript, React, Spring Boot, Node.js, PostgreSQL et Docker — ce qui me donne une couverture solide de bout en bout du frontend au backend.
Côté ML, j’ai une expérience pratique en production avec PyTorch, Wav2vec2, Kaldi et Scikit-learn, principalement appliquée au NLP et à la reconnaissance vocale automatique. J’ai entraîné et déployé des modèles ASR qui réduisaient le temps de traitement manuel de 50 %, et construit une preuve de concept de génération de sous-titres en utilisant des modèles basés sur des transformateurs — un travail qui repose directement sur la même architecture que les LLM modernes.
En tant que chercheur, je suis premier auteur publié et lauréat du prix du Meilleur Article au SBIE 2022, avec trois articles coécrits sur l’apprentissage automatique appliqué à la fluidité en lecture chez les enfants. Cette expérience m’a appris à évaluer le travail technique avec rigueur académique — un aspect que j’intègre à chaque décision d’ingénierie que je prends.
En tant que leader, je suis actuellement responsable technique chez BrainyIT, où je coordonne une équipe de 8 ingénieurs qui construisent Eduplay — une plateforme nationale de vidéos éducatives déployée dans les 5 570 municipalités du Brésil, en partenariat avec RNP, le réseau de recherche et d’éducation du gouvernement brésilien.
Ce qui me distingue, c’est la combinaison de rigueur de recherche, d’expérience en apprentissage automatique en production, de la profondeur du full-stack et du leadership d’équipe — tous appliqués à des problèmes concrets à l’échelle nationale. Je m’étends également activement à l’ajustement fin des LLM, aux pipelines RAG et à l’écosystème Hugging Face, en m’appuyant naturellement sur ma base actuelle basée sur les transformateurs.