Agronomist from the Federal University of Viçosa (2015), Master in Genetics and Breeding (2018) and Doctor in Genetics and Breeding (2022) from the same university. During graduation he interned at EPAMIG, with experimental planning and statistical analysis for the genetic improvement of irrigated rice. During his master's degree, he worked at the Bioinformatics Laboratory, conducting research on meta-analysis and mixed models focused on plant breeding. In his doctorate, he joined the Bioinformatics Laboratory of the UFV and the Laboratory of Computational Intelligence and Statistical Learning (LICAE - UFV), working with simulated genotypic data to evaluate the prediction and importance of markers through machine learning methods and neural networks. He did a post-doctorate at EMBRAPA cassava and fruit growing, acting as a data analyst in GWS, GWAS, and mixed models analysis in the Cassava Genetic Improvement Project: integrated actions for the development of new cultivars for food and industrial use - Phase II. He is currently a postdoctoral fellow in the statistics department at UFV. He has experience in the areas of plant breeding, quantitative genetics, data analysis, biometrics, mixed models, genetic diversity, genomic wide selection, genomic wide association study, neural networks and machine learning. He has experience with software from GENES, R, MatLab, Phyton, Selegen, among others.
Engenheiro Agrônomo pela Universidade Federal de Viçosa (2015), Mestre em genética e melhoramento (2018) e Doutor em genética e melhoramento (2022) pela mesma universidade. Durante a graduação estagiou na EPAMIG, com planejamento experimental e análise estatísticas para o melhoramento genético de arroz irrigado. No mestrado atuou no Laboratório de Bioinformática, realizando pesquisa sobre meta-análise e modelos mistos voltados para o melhoramento vegetal. No doutorado integrou o Laboratório de Bioinformática da UFV e o Laboratório de Inteligência Computacional e Aprendizado Estatístico (LICAE - UFV), atuando com dados genotípicos simulados para avaliação da predição e importância de marcadores por meio de métodos de aprendizado de máquinas e redes neurais. Fez pós-doutorado na EMBRAPA mandioca e fruticultura, atuando como analista de dados em análises de GWS, GWAS, e modelos mistos no Projeto Melhoramento genético de mandioca: ações integradas para o desenvolvimento de novas cultivares para alimentação e uso industrial - Fase II. Atualmente é pós-doutorando no departamento de estatística na UFV. Tem experiência nas áreas de melhoramento de plantas, genética quantitativa, análise de dados, biometria, modelos mistos, diversidade genética, seleção genômica ampla, estudo de associação genômica ampla, redes neurais e machine learning. Possui experiência com os softwares de GENES, R, MatLab, Phyton, Selegen, entre outros.
