Staff AI/ML Engineer · Cientista de Dados
Erick Gomes
Mestre em Física Computacional. Construo soluções de IA/ML, LLMs e sistemas RAG até pipelines MLOps robustos com foco em escala e resultado de negócio.

Atuo como Staff AI/ML Engineer na Serasa Experian, liderando iniciativas de IA em escala. Paralelamente, sou Professor de Graduação na FIAP e instrutor na Alura, lecionando Redes Neurais, Deep Learning, Algoritmos Genéticos, Generative AI e Inteligência Artificial.
Minha trajetória vai de pesquisa em física de materiais e simulação computacional na UFF até implementação de LLMs, sistemas multi-agent e arquiteturas RAG em produção. Na Mobi2buy, atuei como Lead de Data Science e AI/ML Engineer, conduzindo pipelines MLOps e soluções de GenAI de ponta a ponta. Antes disso, passei por Klavi e TecBan, construindo expertise em IA aplicada a ambientes financeiros regulamentados e Open Finance.
Formação
Mestre em Física Computacional
Universidade Federal Fluminense · 2025
Localização
São Paulo, Brasil
Destaques
- 1° Lugar · Prêmio IEL de Talentos
Dissertação de Mestrado — Física Computacional · UFF
Ler dissertação (PDF) ↗
LLM & Generative AI
Cloud & MLOps
Machine Learning
Linguagens & BD
Corporativo
Jan 2026 – Atualmente
Staff AI/ML Engineer
Serasa Experian
- —Liderando soluções de IA e engenharia de machine learning com foco em escalabilidade, confiabilidade e impacto de negócio.
Mai 2025 – Jan 2026
Lead Data Scientist & AI/ML Engineer
Mobi2buy
- —Liderança da arquitetura de dados, pipelines MLOps e ecossistema de modelos de ML e GenAI.
- —Experimentos estruturados com LLMs (GPT, Claude, Gemini, Llama, DeepSeek) e soluções em produção com LangChain, LangGraph, RAG e agentes.
- —Projetos de extração de informações, OCR com LLMs, voz (STT/TTS) e fluxos automatizados integrando sistemas internos e externos.
- —Arquiteturas escaláveis com monitoramento, versionamento, rastreabilidade e governança.
Abr 2024 – Mai 2025
Senior Data Scientist & ML Engineer (MLOps)
Mobi2buy
- —Pipeline de ingestão de dados e MLOps com AWS (S3, Glue, Athena, EC2), MLflow, DVC, GitHub Actions, Airflow, Prometheus, Grafana e Terraform.
- —Modelos de propensão, previsão de vendas e churn em produção.
- —Chatbots e sistemas multi-agent com LangChain, CrewAI, AutoGen e Langflow.
- —Pipelines de engenharia de dados com AWS (Glue, Lambda, Redshift) e consumo de APIs REST/GraphQL.
- —Gestão de backlog e condução de cerimônias Scrum.
Ago 2023 – Abr 2024
Cientista de Dados
Klavi
- —Modelos de churn para clientes de instituições financeiras.
- —Dashboards com Power BI e automação de processos.
- —Pipelines ETL e criação de banco de dados para Open Finance.
Jul 2022 – Jul 2023
Cientista de Dados
TecBan
- —Modelos de inadimplência e detecção de fraude em pagamentos online.
- —Sandbox com dados regulados do Open Finance e pipeline ETL.
- —Copiloto de investimentos com LLMs e dados abertos do Open Finance.
- —1° Lugar no Prêmio IEL de Talentos — categoria Artigo Inovador.
Abr 2021 – Abr 2023
Cientista de Dados
Comunidade DS
- —Modelo de regressão para previsão de vendas de rede de lojas.
- —Deploy com Flask e Scikit-learn.
Fev 2018 – Jul 2021
Trainee em Ciência de Dados
UFF – Universidade Federal Fluminense
- —Simulação computacional de materiais com C, Shell Script e computação de alto desempenho.
- —Rotinas de paralelismo computacional para processamento massivo de dados.
- —Automação de tarefas em Linux e visualização de dados.
Acadêmico
Ago 2025 – Atualmente
Professor de Graduação
FIAP
- —Redes Neurais Artificiais, Deep Learning e Algoritmos Genéticos.
- —Generative AI and Advanced Nets.
- —Inteligência Artificial e Machine Learning.
Set 2025 – Atualmente
Instrutor
Alura
- —Conteúdos sobre Ciência de Dados, Machine Learning e Inteligência Artificial.
Jan 2025 – Jan 2026
Professor de Ciência de Dados
Ada Tech
- —Produtização de Modelos e MLOps: ciclo de vida, versionamento, monitoramento, CI/CD, deploy e FinOps.
- —Banco de Dados: modelagem, SGBDs e SQL avançado (DML, DDL, DQL, Joins).
Mar 2022 – Abr 2025
Pesquisador de Mestrado | Ciência de Dados
UFF – Universidade Federal Fluminense
- —Mestre em Física Computacional — ML aplicado à predição de propriedades de materiais.
- —Modelos de regressão para energia de formação e estabilidade termodinâmica.
- —Classificação de materiais metálicos e isolantes; predição de propriedades de isolantes.
Jul 2023 – Dez 2023
Monitor de Pós-Graduação
UFF – Universidade Federal Fluminense
- —Aprendizado de Máquina aplicado à Física: regressão, classificação, redes neurais e agrupamento.
- —Orientação semanal de alunos com Python, TensorFlow e scikit-learn.
Bitcoin — Previsão de Preço & MLOps
Pipeline completo de MLOps para previsão de preço do Bitcoin com Streamlit, DVC, Terraform, GitHub Actions e modelo versionado em AWS S3.
GitHub ↗
Agentes com CrewAI, LangChain & LangGraph
Implementações práticas de agentes de IA comparando CrewAI (equipes), LangChain (controle) e LangGraph (grafos de estado).
GitHub ↗
Avaliação de LLMs & Agentes
Framework prático para avaliar LLMs, RAG e agentes com métricas LLM-as-a-Judge, DeepEval e exemplos com Gemini.
GitHub ↗
Agentes de Voz com IA
Exemplos de agentes de voz com OpenAI, LangChain e FastRTC: STT, LLM, TTS e WebRTC em tempo real via navegador.
GitHub ↗
Visão Computacional — YOLO & DeepFace
Detecção de objetos com YOLO e análise facial com DeepFace, incluindo registro de eventos como uso de celular e cansaço.
GitHub ↗
Rossmann — Previsão de Vendas
Modelo de previsão de vendas para rede de farmácias usando XGBoost com deploy no Render Cloud.
GitHub ↗
Score de Crédito & Inadimplência
Modelo de classificação para previsão de inadimplência em cartão de crédito com técnicas de balanceamento SMOTE/ADASYN.
GitHub ↗
1° Lugar · Prêmio IEL de Talentos
Open Finance e Inteligência Artificial: A União Entre Finanças e Tecnologia
Explora a sinergia entre Open Finance e IA, analisando como a abertura de dados financeiros via APIs, combinada com modelos de linguagem, transforma a personalização e inclusão de serviços financeiros.
Ler artigo (PDF) ↗Terraform para ML: infraestrutura versionada para treino e inferência
Como usar Terraform para provisionar bucket de artefatos, registry de modelos e endpoint de inferência na AWS, com estado remoto e ambientes separados.
Frameworks para construção de agentes de IA: um guia prático
Como LangGraph, CrewAI, AutoGen e outros frameworks organizam raciocínio, ferramentas e memória em agentes prontos para produção.
Fine-tuning, RAG ou prompt engineering: quando usar cada um
Como decidir entre adaptar o modelo, recuperar contexto ou refinar o prompt — critérios práticos para cada abordagem em produção.
Aberto a conversas sobre projetos de IA, colaborações acadêmicas ou oportunidades.