Olá, eu sou Sidnei Almeida

Sistema profissional de reconhecimento de raças caninas com YOLOv8 e app Streamlit (tema dark) para inferência, métricas e testes interativos. DogBreed Vision é um sistema profissional de reconhecimento de raças caninas baseado em deep learning, treinado com o Stanford Dogs Dataset. Utilizando a arquitetura YOLOv8n (nano), o modelo identifica 120 raças de cães com alta precisão e velocidade. Métricas: mAP50-95 84.3%, Precisão 80.6%, Recall 76.3%, mAP50 84.5%, 164 épocas (early stopping). O app em Streamlit possui carrossel de imagens, upload, visualização de bounding boxes, feedback visual em tempo real e gráficos com Plotly. Configuração flexível via config.yaml (thresholds, IoU, visualização, performance).

Sistema avançado de detecção de anomalias em manufatura de semicondutores utilizando Autoencoder Neural Network com dashboard Streamlit interativo. SECOM Failure Prediction é um sistema de detecção de anomalias desenvolvido para identificar falhas em processos de manufatura de semicondutores. Utiliza Autoencoder Neural Network com arquitetura 558 → 128 → 64 → 32 (bottleneck) → 64 → 128 → 558. O sistema aprende padrões de operação normal e detecta desvios que podem indicar potenciais falhas. Dashboard interativo com Streamlit, dois thresholds de detecção (Balanced 0.45 e Conservative 0.50), visualizações avançadas com Plotly, design dark premium e performance otimizada com TensorFlow CPU. Dataset SECOM: 1567 registros, 558 features, desbalanceamento ~93% Normal vs ~7% Falhas.

Sistema avançado ALPR para detecção de placas brasileiras (incluindo Mercosul) com YOLOv8 e interface Streamlit interativa. Brazilian License Plate Recognition é um sistema ALPR (Automatic License Plate Recognition) desenvolvido especificamente para placas brasileiras, incluindo o padrão Mercosul. Utiliza YOLOv8s treinado com dataset especializado, alcançando 99.69% de precisão e 99.19% de recall. Interface Streamlit com seletor visual de imagens, detecção em tempo real com bounding boxes e níveis de confiança. Sistema otimizado para Streamlit Cloud com versões CPU das bibliotecas, processamento 3-8 segundos por imagem. Dashboard interativo com análise de performance, gráficos de treinamento e visualizações avançadas com Plotly. Modelo treinado por 300 épocas com early stopping, mAP@50 99.49% e mAP@50-95 95.56%.

Sistema de reconhecimento de emoções faciais em tempo real usando VGG16 com Fine-Tuning. Classifica 7 emoções com 72% de acurácia e interface Streamlit interativa. Facial Emotion Classifier é uma aplicação avançada de Deep Learning que utiliza VGG16 com Transfer Learning do ImageNet para classificação em tempo real de 7 emoções faciais: Raiva (89.2%), Nojo (76.5%), Medo (82.1%), Alegria (94.7%), Neutro (67.8%), Tristeza (85.3%) e Surpresa (78.9%). Treinado no dataset FER-2013 (35.887 imagens) por 50 épocas, o modelo alcança 72% de acurácia geral. Sistema com detecção facial via OpenCV Haar Cascade, pré-processamento 96x96px, download automático do modelo (169MB) via Git LFS e interface Streamlit com tema dark premium. Oferece captura via câmera, upload de imagens, galeria de exemplos, visualizações com Plotly e mensagens motivacionais. Tempo de inferência < 1000ms com TensorFlow CPU.

Chatbot premium para conversar com documentos PDF usando RAG, LLMs e front-end customizado em dark mode. Aplicação completa de Retrieval-Augmented Generation que permite upload de PDFs, indexação vetorial com FAISS e chat inteligente alimentado por LLM hospedado no Hugging Face. Inclui API FastAPI com endpoints /upload e /ask, monitoramento de status e interface front-end inspirada no ChatGPT com animações premium, toasts, sugestões contextuais e histórico de conversas.

Aplicação desktop minimalista para traduzir datasets (CSV, Excel, SQLite) com foco em produtividade, estabilidade e UX. Aplicação desktop minimalista para traduzir datasets (CSV, Excel, SQLite) com foco em produtividade, estabilidade e UX. Construída em Python com CustomTkinter, oferece um fluxo simples: carregue o dataset, selecione colunas e traduza com um clique. Suporte multi-formato com processamento em lotes e controle de delay.

Detecção de placas de trânsito com YOLO e app Streamlit (tema dark) para inferência, métricas e exploração de dados. Aplicativo Streamlit premium com upload, câmera (webrtc) e exemplos; páginas de Detecção, Treinamento (results.csv, matriz de confusão, batches) e Dados (road_signs_dataset.yaml). Classes atuais: Semáforo, Parada, Limite de Velocidade e Faixa de Pedestres.

App web interativo para análise inteligente do potencial de crescimento de empresas usando Machine Learning e indicadores financeiros. Aplicação web interativa construída com Streamlit para análise inteligente do potencial de crescimento de empresas, baseada em indicadores financeiros e macroeconômicos usando Machine Learning. Inclui dashboard interativo, predições individuais e em lote, insights avançados com análise geográfica, financeira e de correlações. Utiliza Random Forest Classifier com 15+ features e interface elegante com tema escuro.

App com dashboard interativo para análise exploratória e visualização de indicadores econômicos de países sul-americanos. App com dashboard interativo para análise exploratória e visualização de indicadores econômicos de países sul-americanos. Desenvolvido com Streamlit, oferece visualizações dinâmicas e análise de tendências econômicas com dados atualizados de múltiplas fontes.

Classificação automática de notícias com NLP, machine learning e visualização de dados. Classificação automática de notícias com NLP, machine learning e visualização de dados. Sistema que processa notícias de múltiplas fontes, aplica algoritmos de classificação e apresenta insights através de dashboards interativos. Inclui processamento de linguagem natural, análise de sentimento e categorização automática.

Análise e classificação de posicionamento ideológico de ementas legislativas da câmara dos deputados. Análise e classificação de posicionamento ideológico de ementas legislativas da câmara dos deputados. Sistema desenvolvido com FastAPI que utiliza machine learning e NLP para classificar automaticamente o posicionamento ideológico de projetos de lei.

Plataforma para comunidade de trading de skins de Counter-Strike 2, com sistema de grupos, ofertas e sorteios. Plataforma para comunidade de trading de skins de Counter-Strike 2, com sistema de grupos, ofertas e sorteios. Desenvolvido com tecnologias web modernas, oferece interface responsiva e funcionalidades avançadas para a comunidade de gamers.

API para avaliação de inventários de Counter-Strike 2, com scraping de preços, análise de Unidades de Armazenamento e classificação de itens. API para avaliação de inventários de Counter-Strike 2, com scraping de preços, análise de Unidades de Armazenamento e classificação de itens. Sistema desenvolvido com FastAPI que oferece autenticação Steam, scraping exclusivo de preços e análise detalhada de inventários.

Web scraper automatizado para coletar dados nutricionais de produtos do Pão de Açúcar, utilizando técnicas avançadas de web scraping com Selenium. Web scraper automatizado para coletar dados nutricionais de produtos do Pão de Açúcar, utilizando técnicas avançadas de web scraping com Selenium. Sistema complexo que lida com JavaScript dinâmico, autenticação, captcha e estruturas de dados variáveis. Desenvolvido com Python, Selenium, Pandas e Docker para máxima eficiência e escalabilidade.

Sistema de IA que utiliza redes neurais LSTM para prever vazão de líquidos em sistemas de dutos industriais com interface web interativa. Sistema de inteligência artificial que utiliza redes neurais LSTM (Long Short-Term Memory) para prever a vazão de líquidos em sistemas de dutos industriais. O projeto combina técnicas avançadas de machine learning com uma interface web interativa para análise e previsão de fluxo multifásico. Desenvolvido com Python, TensorFlow, Streamlit e deploy em produção com 93.4% de precisão (R²).

Rede Neural LSTM para análise de sentimentos em críticas de filmes do IMDB com interface web interativa. Sistema de classificação de sentimentos usando redes neurais LSTM (Long Short-Term Memory) para analisar críticas de filmes do dataset IMDB. A aplicação web foi desenvolvida com Streamlit e apresenta uma interface elegante e interativa para visualização dos dados, treinamento do modelo e predições em tempo real. Alcança 92.9% de acurácia com modelo bidirecional.

Projeto de IA Generativa que treina uma GAN para criar imagens realistas de dígitos manuscritos (0-9) do dataset MNIST. Projeto de IA Generativa que treina e disponibiliza um modelo GAN (Generative Adversarial Network) para criar imagens realistas de dígitos manuscritos (0-9) a partir do dataset MNIST. Inclui app Streamlit com design premium para exploração do modelo, visualização da evolução do treinamento, geração interativa de amostras, travessia do espaço latente e galeria de checkpoints. Desenvolvido com TensorFlow/Keras e interface dark elegante.

App Streamlit premium para análise e predição de falhas em máquinas industriais utilizando redes neurais LSTM. Aplicativo Streamlit premium e elegante para análise e predição de falhas em máquinas industriais utilizando redes neurais LSTM (Long Short-Term Memory). Inclui interface responsiva com tema escuro, visualizações interativas, análise de dados em tempo real, predições personalizadas e insights avançados. Desenvolvido com TensorFlow, oferece acurácia de 95.2% na detecção de falhas com 7 sensores industriais.

App Streamlit profissional para detecção de anomalias em garrafas usando modelo U-Net treinado no dataset MVTec AD. Aplicativo profissional em Streamlit para detecção de anomalias em garrafas usando modelo U-Net treinado no dataset MVTec AD. Inclui interface premium com design dark elegante, detecção de anomalias com classificação normal/anômala, visualizações detalhadas (mapa de anomalia, máscara binária, mapa de calor), análise de treinamento com gráficos de evolução das métricas e seleção intuitiva de imagens. Otimizado para execução sem GPU, compatível com Streamlit Cloud.