Co-founder da Enlightenment.Al, 2017
- Onde fez o seu ensino secundário e porque escolheu estudar Matemática na UC?
No ensino secundário frequentei a Escola Secundária José Falcão em Coimbra e quando terminei decidi escolher matemática pois não tinha a certeza do que gostaria de fazer no futuro mas, sabendo que iria para uma área científica, ao escolher matemática teria a possibilidade de facilmente mudar para outro curso com que mais me identificasse. Felizmente as várias aplicações de matemática que vim a conhecer motivaram-me a ficar no curso.
- Que memória guarda dos anos que estudou na UC?
A história e os costumes da nossa Universidade, que tem de tanto de bela quanto tem de antiga; as amizades duradouras que lá estabeleci; os fantásticos professores que fomentavam o espírito crítico e a curiosidade e tornavam a aprendizagem sempre desafiante; as pedras no caminho e claro, os projetos ambiciosos que conseguimos cumprir no NEMAT/AAC, com uma equipa dedicada e trabalhadora.
- Qual foi o seu percurso depois de estudar na UC?
Ao terminar o mestrado, ramo de análise aplicada e computação, trabalhei para uma consultora de BI que me colocou numa companhia de seguros, na secção de sistemas de informação. Lá trabalhei com SAS na área de desenvolvimento, onde fazia automatização de processos de extração de dados, bem como alguns relatórios que utilizavam estruturas de cubos OLAP. Infelizmente não me sentia motivado e estava bastante insatisfeito no meu trabalho, tendo optado por sair desse emprego. Em conjunto com alguns amigos começámos um projeto chamado Enlightenment.AI. Especializados em data science e machine learning, rapidamente encontrámos empresas, algumas com cerca de meio milhão de clientes, interessadas nos nossos serviços de consultoria, com quem começámos a trabalhar. Algumas pessoas têm-nos contactado para aprender connosco, havendo a perspetiva de as integrar em novos projetos.
- Que importância teve para o seu percurso profissional a formação matemática que adquiriu no DMUC?
A capacidade de raciocínio que treinamos no curso juntamente com a criatividade são excelentes qualidades que são valorizadas. Além disso, muitas das técnicas e conceitos utilizados em machine learning e data science são estudados ao longo do curso em cadeiras como estatística, matemática numérica e optimização numérica. Assim sendo, uma formação forte em matemática acaba por ser diferenciadora para quem entra nesta área.