Engenheiro Mecânico com oito anos de atuação técnica em engenharia, dos quais quatro em energia solar — supervisão da execução de projetos, coordenação de equipes de instalação, diagnóstico de problemas em campo e elaboração de documentação operacional precisa. Mestre em Metrologia e doutorando em Engenharia de Produção, com pesquisa focada em previsão de irradiação solar, aprendizado por transferência sob escassez de dados, métodos neurossimbólicos fundamentados em ontologia para avaliação de transferibilidade entre sítios geograficamente diversos, e otimização robusta sob distribuição (DRO).
PUC-Rio · Rio de Janeiro, Brasil
Atuação autônoma · Brasil
PUC-Rio · Rio de Janeiro, Brasil
Decision Support · Brasil
PUC-Rio · Rio de Janeiro, Brasil
Orientadores: Prof.ª Fernanda Baião e Prof. Reinaldo Castro Souza. Pesquisa sobre previsão de irradiação solar, aprendizado por transferência sob escassez de dados e raciocínio de transferibilidade neurossimbólico fundamentado em ontologia entre sítios brasileiros heterogêneos. Bolsista FAPERJ Nota 10 e ex-bolsista CAPES.
PUC-Rio · Rio de Janeiro, Brasil
Dissertação: “Avaliação metrológica de modelos de previsão a curto prazo da irradiação solar na superfície terrestre”. Orientador: Prof. Alcir de Faro Orlando. Conceito CAPES 5. Bolsista CAPES.
PUC-Rio · Rio de Janeiro, Brasil
Monografia: “Validação experimental do desempenho de um sistema de preaquecimento de motores diesel de uma usina termoelétrica com o uso da energia solar” (projeto Gera Maranhão). Orientador: Prof. Alcir de Faro Orlando. Base em sistemas elétricos, termodinâmica, mecânica dos fluidos, normas de engenharia e execução de projetos técnicos.
FOIS 2026 — Early Career Symposium · aceito
How Much Local Data Is Enough? An Ontology-Grounded Neurosymbolic Research Agenda for Transferability in Forecasting
Early Career Symposium da International Conference on Formal Ontology in Information Systems, com publicação prevista nos FOIS 2026 Satellite Events Proceedings (CEUR-WS). Vitória, ES, Brasil.
SBPO 2026 — Simpósio Brasileiro de Pesquisa Operacional · submetido
How Much Local Data Is Enough? Few-Shot Transfer Learning for Solar Irradiation Forecasting Across Brazil
Quantifica o orçamento mínimo de dados locais necessário para que o few-shot transfer learning supere o zero-shot em 19 sítios brasileiros climaticamente diversos, identificando um limiar de cruzamento em até cinco meses em 94% dos sítios com margem positiva.
SBPO 2025 — Simpósio Brasileiro de Pesquisa Operacional
Exploring Transfer Learning Techniques for Solar Irradiation Forecast across Geographically Diverse Locations in Brazil Using Reanalysis Data
Artigo completo em congresso científico. Gramado, RS, Brasil. Código aberto: github.com/rodrigohuber/zero-shot-solar-forecasting_SBPO25
ISF 2023 — International Symposium on Forecasting
Day-ahead Solar Irradiation Forecast Techniques and Outcomes
Resumo (abstract). Dijon, França.