Bruno Adonis de Sá

Graduado em Engenharia de Computação pela Universidade Federal da Paraíba (UFPB), onde durante a graduação desenvolveu pesquisas utilizando Redes Neurais Artificiais (RNA) aplicada ao monitoramento de movimentos humanos com dados advindos do sensor acelerômetro interno ao Smartphone. Fez uma breve passagem pelo Laboratório de computação Ubíqua e Móvel (LUMO), onde participou do desenvolvimento de um software embarcado utilizando a plataforma Arduino em parceria com o Instituto Federal de Pernambuco (IFPE) para capturar e armazenar dados advindos dos Trens Urbanos do Recife. Também desenvolveu pesquisas em parceria com o Laboratório de Percepção, Neurociências e Comportamento (LPNeC) utilizando RNA aplicada a neurociência visual a partir de dados coletados do Eletroencefalograma (EEG) com objetivo de identificar indivíduos esquizofrênicos e normais, tal pesquisa resultou em seu Trabalho de Conclusão de Curso (TCC). Mestrado pelo Programa de Pós-Graduação em Informática (PPGI/UFPB) onde desenvolveu pesquisa utilizando Deep Learning aplicada a detecção de falhas em Sistemas Elétricos de Potência (SEP) a partir de assinaturas de corrente do Geradores Síncronos de Ímã Permanente (PMSG), atuando principalmente nos seguintes temas: Deep Learning, detecção de falhas em SEP, aplicados à Energia Eólica e Software Embarcado. Atualmente Analista de TI na UFPB - Campus I, onde desempenho função de DevOps Engineer.

Graduated in Computer Engineering from the Federal University of Paraíba (UFPB), where during the graduation he developed research using Artificial Neural Networks (ANN) applied to the monitoring of human movements with data from the accelerometer sensor internal to the Smartphone. He made a brief visit to the Ubiquitous and Mobile Computing Laboratory (LUMO), where he participated in the development of embedded software using the Arduino platform in partnership with the Federal Institute of Pernambuco (IFPE) to capture and store data from Recife's Urban Trains. He also developed research in partnership with the Laboratory of Perception, Neuroscience and Behavior (LPNeC) using RNA applied to visual neuroscience from data collected from the Electroencephalogram (EEG) in order to identify schizophrenic and normal individuals, such research resulted in his Conclusion Work Course (TCC). Master's degree from the Graduate Program in Informatics (PPGI / UFPB) where he developed research using Deep Learning applied to fault detection in Electrical Power Systems (SEP) based on current signatures of Permanent Magnet Synchronous Generators (PMSG), acting mainly in the following topics: Deep Learning, fault detection in SEP, applied to Wind Energy and Embedded Software. Currently IT Analyst at UFPB - Campus I, where I work as a DevOps Engineer.