PROJETOS
Aplicações
Implementação de um framework de acoplamento de modelos de planta, doença e praga para simulação de incidência, densidade e dano de pulgões em trigo
Pulgões de cereais (Hemiptera: Aphididae) são pragas economicamente importantes em todas as regiões produtoras de trigo do Brasil. Para ter medidas de controle ecologicamente corretas, como o controle biológico e diminuir a utilização de inseticidas se faz necessária a compreensão de sua dinâmica populacional. Para isso, a comunidade acadêmica realizou experimentos para desenvolver modelos de previsão ou sistemas especialistas para identificar a população, as taxas de crescimento e os danos decorrentes. A informática oferece uma maneira eficaz e eficiente de resolver os problemas complexos dos sistemas agrícolas, especialmente na dinâmica populacional. Embora estes sistemas sejam capazes de atender a necessidades específicas, ainda há muito a ser feito para melhorar uma representação mais detalhada da heterogeneidade espacial e seus impactos nas culturas e no desempenho ambiental. Este trabalho apresenta uma proposta de um framework de acoplamento entre modelos de simulação para que possam contribuir no entendimento das interações entre o patossistema vetor(pulgão)-vírus-planta. Ao integrar esses modelos de simulação pretende-se validar os resultados com dados oriundos de experimentos realizados a campo e, a partir disto, auxiliar na avaliação do impacto da aplicação de inseticida sobre a população de vetores e constatar a incidência da virose nas culturas. Clique aqui para ver o repositório no GitHub do projeto.
Algumas informações sobre o projeto:
Projeto de integração com a EMBRAPA e o IFSul no qual apliquei os seguintes conhecimentos e ferramentas:
– O modelo ABISM foi desenvolvido com Java.
– O gerenciamento de dados foi feito com PostgreSQL.
– Uso de API’s e arquivos JSON.
– Foi colocado em produção com Docker.
– Acoplamento com MPI.
spyware
Projeto de Prova de conceito para o desenvolvimento de malware’s para que assim possamos aprender como evitá-los e reconhece-los;
Este spyware faz parte de um projeto maior chamado Remote-Analyser, o qual é um sistema desenvolvido por mim, para coleta de dados suspeitos em computadores empresarias e/ou institucionais. Servindo assim, como um monitoramento mais eficiente do patrimônio destas entidades;
Esse script que coleta os dados foi desenvolvido em Python usando diversas bibliotecas específicas para auxiliar no desenvolvimento. Esse script fica ativo e vai gerar um Alerta toda vez que algo suspeito seja digitado, enviando os dados para a API Gateway. Os dados coletados são: o endereço MAC do PC, a frase digitada que gerou o Alerta, os processos ativos no sistema e um PrintScreen da tela do usuário. Após isso, o script faz login na API Gateway e usa o token gerado para salvar os dados na API. O script também tem integração com um modelo criado para detectar discurso de ódio, desenvolvido por mim, além de um Sniffer e um Scanner, para evitar sites indesejados e vulnerabilidades. Recentemente foi feita uma integração com o ChatGPT para auxiliar na análise de discurso de ódio. Clique aqui para ver o repositório no GitHub do projeto. Clique aqui para ver o repositório da API na Heroku do projeto. Link da Interface do Swagger para a API. Atualização, a API não esta mais no ar, por conta do fim da versão Free da Heroku. Documentação da API feita no Postman. A aplicação completa contendo todos os microserviços configurados pode ser obtida no DockerHub.
versionaAe
O versionaAe é um projeto de um sistema de controle de versões feito em Python usando apenas bibliotecas de parsing e do System. Clique aqui para ver o repositório no GitHub do projeto.
HealthCheck Analytics Platform
A HealthCheck Analytics Platform é uma solução abrangente para monitoramento e análise de métricas de saúde de APIs. Este projeto utiliza uma arquitetura de microserviços para coletar, analisar e prever métricas de saúde, permitindo a identificação precoce de problemas e a otimização do desempenho. O sistema é composto por vários componentes principais:
API de HealthCheck Collector:
Extrai métricas de outra API a cada 15 minutos, armazenando os resultados em um banco de dados PostgreSQL. Uma procedure é então executada para atualizar uma flag is_alert, analisando se o registro está fora do padrão esperado.
Scripts de Processamento de Dados:
Inclui extract_dataset_from_database, otimizado com Cython para melhorar a performance, e data_preparation usando Cnumpy e Cython para preparação de dados.
Tuning de Hiperparâmetros e Treinamento de Modelos:
Utiliza GridSearchCV ou RandomizedSearchCV para explorar combinações de parâmetros, treinando modelos de regressão e classificação para cada métrica coletada.
API de Previsão (predict_next_value):
Permite a previsão do valor das métricas e da flag is_alert para os próximos 15 minutos com base nos dados fornecidos.
HealthCheck-gate:
Uma API Spring que atua como intermediária, tratando dados, salvando registros e acurácias no banco e comunicando-se com a API de previsão.
HealthCheck Dashboard:
Uma aplicação frontend em React que exibe as métricas, os resultados das previsões e permite a interação do usuário para a previsão de dados.
Clique aqui para ver o repositório no GitHub do projeto.
spring-kafka
Ecommerce desenvolvido com zookeeper e Kafka com Java 16 e SpringBoot para implementação do projeto. Para manter o servidor do kafka e zookeeper foi usado Docker-compose dentro de uma máquina Vagrant. Projeto feito para o estudo do Kafka (e serviços de mensageiria no geral). Clique aqui para ver o repositório no GitHub do projeto.
chatbot-getManga
Projeto de um Bot usado para responder comandos no Whatsapp e para o Telegram usando Node.js e a biblioteca Venom-bot. Este Bot envia capítulos de Mangá (Histórias em Quadrinho), basta enviar a mensagem /mangabot <título> <número do capítulo> e ele vai retornar imagens de cada página do capitulo. Clique aqui para ver o repositório no GitHub do projeto.
Account Storage
Programa em Python que armazena nomes, email’s e senhas. Clique aqui para ver o repositório no GitHub do projeto.
api-Relatorio
Projeto de Prova de conceito para o uso do Spring para criação de uma API de relatórios. Além disso foi criada uma interface para uso da API de forma mais eficiente e bem documentada. É possível fazer todo o CRUD dos relatórios. Foi usado Java 16 como linguagem base, Spring Framework como plataforma, o banco de dados escolhido foi o PostgreSQL, o deploy da API foi feito na Heroku, foi usado o Swagger para a interface da API. Clique aqui para ver o repositório no GitHub do projeto. Link da Interface do Swagger para a API.
Armazenamento de Temperatura
Projeto usando Arduino MEGA 2560 e um sensor de calor. A integração do Arduino foi feita com Java usando a biblioteca RXTX. O Banco de Dados usado para armazenar as informações foi o MySQL. Clique aqui para ver o repositório no GitHub do projeto.
Organizador de Fotos
Programa feito em Python usando as bibliotecas Pillow e Shutil. Sua função é organizar arquivos em JPG, de acordo com a data de sua criação ou ultima modificação. Os arquivos são organizados recursivamente, em ano, mês e dia. Clique aqui para ver o repositório no GitHub do projeto.
catScanner
Este projeto tem como objetivo ajudar na busca por vulnerabilidades, usando diversos scripts de ferramentas famosas para Scanear sites. Este Scanner é apenas uma Proof of Work com o objetivo de estudo de vulnerabilidades e como identificá-las, tal conhecimento pode ser usado em qualquer projeto Web como prevenção de ataques e vazamentos. Foi usado Python 3.8 como linguagem base. Foram usado bibliotecas auxiliares para auxilio no desenvolvimento (threading, subprocess, argparser …). Foi usado como base o Scan RapidScan. Clique aqui para ver o repositório no GitHub do projeto.
API-tester
Foi usado Java com SpringBoot. Para segurança foi implementado um sistema de token como login. Existem testes individuais para requisições POST, GET, DELETE e PUT. Cada teste de requisição feita será salva em um banco PostgreSQL. O projeto conta com algumas funcionalidades relacionadas a testes de requisições. Para teste de segurança existem testes de SQL Injection, Command Injection, XSS Injection, senhas fracas e validação de dados. Existe uma integração com o GPT-3 para verificar problemas na API. É possível fazer testes de performance com diversas requisições paralelas. Também é possível automatizar testes, fazendo com que a aplicação envie diversas requisições para endpoints diferentes. Nestes testes automatizados é possível definir variáveis que são alimentadas com as responses de outras requisições. Clique aqui para ver o repositório no GitHub do projeto.
ScriptManager
Aplicação CLI, feita com Spring Shell para gerenciamento de sripts. É possível adicionar, atualizar, visualizar e remover scripts em diferentes linguagens. Além disso, é possível compilar o script pra validá-lo. Foi usado Java 17 como linguagem base. Foi desenvolvido com Spring Boot. O Banco utilizado foi o PostgreSQL. Aplicação Spring Shell. Já o consumo da API do Hackereart para compilação dos sripts foi feito com Feign Client. Clique aqui para ver o repositório no GitHub do projeto.
API-Petshop
API REST de controle de um Petshop. Usando Node.js, MySQL e as tecnologias destes meios. Contém CRUD com o banco de dados, CRUD na própria aplicação e Serializador. Clique aqui para ver o repositório no GitHub do projeto.
APLICAÇÕES WEB
complete-ecommerce
Um E-commerce contruído com SpringBoot no BackEnd e Vue.js no FrontEnd. A aplicação tem login e segurança bem estruturada, para salvar os dados foi usado uma API como BackEnd (Minha aplicação com o SpringBoot), que salva em um banco PostgreSQL. Para pagamento foi usado Stripe Token, com SpringSecurity foram feitas autenticações e autoriações. Todos os endpoint foram mapeados e documentados pelo Swagger. Os endpoint criados no BackEnd são consumidos e alimentados pelo FrontEnd através do Vue.js. Uso de RabbitMq no back-end para gerenciamento de filas para atualização de produtos. Uso do banco não relacional Redis para a implementação do cache. Teste com JUnit e Mockito. Clique aqui para ver o repositório no GitHub do projeto.
Remote-Analyser
Uma aplicação Web feita com Spring Framework. Esta aplicação consome os dados da API Gateway, tem autenticação através de um login e uma interface web para a visualização dos dados. Tendo três telas, uma para login, outra para Home (que irá carregar todos os Alertas, separados por paginação) e uma tela de Busca (que será possível filtrar os dados por endereço MAC). Foi usado Java 1.8 como linguagem base. O Banco utilizado foi o PostgreSQL. O login foi implementados com Spring Security. O Front-End foi feito em Thymeleaf. Já o consumo do API Gateway foi feito com Feign Client. O API-Gateway é chamado de spyware-API e seu repositório pode ser acessado nesse link, esta aplicação contém cache gerenciado pelo SpringBoot e salvo em um banco noSQL chamado Redis, além de segurança baseada em Tokens JWT também gerenciada pelo Spring Security. Os dados são salvos em um banco PostgreSql são consumidos por filas gerenciadas pelo serviço de mensageiria RabbitMQ de maneira escalável. Clique aqui para ver o repositório no GitHub do projeto. A aplicação completa contendo todos os microserviços configurados pode ser obtida no DockerHub.
Notes
App web de gerenciamento de notas Full Stack, usando React, Node.js e MongoDB. Tem funções de CRUD completas, adição, remoção e alteração. É possível colocar uma nota como prioridade. Existem filtros para olhar apenas nota com prioridade, notas normais e todas. Clique aqui para ver o repositório no GitHub do projeto.
reps
Projeto de compartilhamento de repositórios e API’s. Foi criado um login em memória e em Banco de Dados. Uso de CRUD completo para o gerenciamento dos repositórios. Segurança do site feita com Spring Security, o qual gerencia os logins em memória e em Banco. Foi usado Java 1.8, Thymeleaf 3.0.12, Spring Framework 5.3.7, Spring DevTools, MariaDB de Banco de Dados. Clique aqui para ver o repositório no GitHub do projeto.
Mudi
O projeto é uma loja de controle de pedidos, que são cadastrados e estruturados com status. Esses pedidos tem uma ideia de que nós temos dois tipos de usuários na aplicação: O primeiro é o usuário que vai gerar ofertas para os pedidos que forem feitos e o outro usuário é o que vai cadastrar os pedidos. Na estruturação foi usado a linguagem Java (1.8) com Spring Boot. Os dados são tratados com Spring Data e armazenado em um Banco de Dados MariaDB. O Spring MVC foi responsável pela parte Web. A estilização foi feita com Thymeleaf e Bootstrap. O sistema de login e segurança foi feito com Spring Security. Clique aqui para ver o repositório no GitHub do projeto.
Beatmaker
Aplicação Web com tabs com efeito sonoro e visual para a criação de beats. Usando Javascript. Clique aqui para ver o GitHub do projeto.
DApp Game
Projeto de Prova de conceito para o desenvolvimento DApp com manipulação de tokens em uma blockcahin, o projeto é apenas um jogo simples de memória, em que você recebe Eth ao encontrar um par. Para testes foi utilizado uma rede localhost com a wallet metamask. Foi usado javascript e solidity, o framework truffle para o desenvolvimento dos smarts contracts. A blockcain local foi configurada e gerenciada com o Ganache e também foi utilizado o o ERC 721 que é um padrão para NFTs. E o front foi feito em React. Clique aqui para ver o GitHub do projeto.
IoTManager
Foi usado Java 17 como linguagem base. Foi desenvolvido com Spring Boot. O Banco utilizado foi o PostgreSQL. Mensageiria construída com RabbitMQ. Uso do docker para configuração e implantação do projeto. Foi usado Python para o script de leitura do Monitor Serial e envio das informações para as filas. Foram usados dois arduinos, um Arduino Uno e um Mega 2560. Nesses arduinos foram carregados um script em C para capturar as informações dos Sensores. Foram usados 4 sensosres, 2 sensores Ultraônicos e 2 sensores de Umidade e Temperatura. Projeto para testar a Eficâcia do SpringBoot com RabbitMq em uma Aplicação IoT. O objetivo é analisar a performance com o envio de diversas mensagens de dois dispositivos diferentes. Estas mensagens devem se consumidas e salvas no banco de dados, tratando erros e mapeando as falhas. Em futuras atualizações é possível adicionar alguma funcionalidade para estes dados, seja visualização ou envio destas informações. Clique aqui para ver o GitHub do projeto.
Node.js/Express vs NestJs
Com o objetivo de estudar e reconhecer as diferenças entre dois dos Frameworks mais famosos do Node.Js (Express e NestJs) criei estas duas API’s com as mesmas funcionalidades: um CRUD com banco de dados e autenticação via Token JWT. Ambas API’s usando Typescript, MongoDB e Node.js para o desenvolvimento, porém uma com Express e outra usando NestJs. A aplicação construida com Express tem um CRUD de usuários e endpoints para fazer download videos do Youtube (biblioteca ytdl-core), salvando os dados em um banco MongoDB. Enquanto a API criada com NestJs implementa CRUD de tasks e usuários, salvando no mesmo banco. Clique aqui para ver o GitHub do projeto feito com Express e Clique aqui para ver o GitHub do projeto feito com NestJs.
Ruby_Blogstrap
Projeto de blog como uma POC para ruby on rails. Foi criado um login em memória e em Banco de Dados. Uso de CRUD completo para o gerenciamento de artigos. Foi usado Ruby 3.0.3, Postgresql de Banco de Dados, Ruby on Rails 2.7, foi usado Vagrant para virtualizar o projeto e Bootstrap usado para o front-end.. Clique aqui para ver o GitHub do projeto.
Data Science & Machine Learning
Hate-Speech-Portuguese
Este modelo de predição faz parte de um projeto maior chamado Remote-Analyser, o qual é um sistema desenvolvido por mim, para coleta de dados suspeitos em computadores empresarias e/ou institucionais. Servindo assim, como um monitoramento mais eficiente do patrimônio destas entidades;
Esse modelo em Python usando diversas bibliotecas (pandas, sklearn, nltk e numpy) específicas para auxiliar no desenvolvimento. Os classificadores foram treinado com um dataset e exportados usando pickle. O arquivo exportado foi importado em uma API construida com Flask, esta API recebe, além dos classificadores (Logistic Regression, Multinomial Naive Bayes e Linear SVC (SVM)), um body em json pelo endpoint /predict, com uma frase para prever se é um discurso de ódio ou não. O body de entrada para o endpoint /predict deve ser como esse: { ‘valor’: 0, ‘frase’: ‘Testando API’ }. O retorno será um json como o mostrado acima, porém o ‘valor’ será 0 ser não for um discurso de ódio ou 1 no caso de ser. Clique aqui para ver o repositório no GitHub do projeto.
Wine Quality API
Projeto de uma API com um modelo de predição de qualidade de vinhos. A API devolve os resultados da predição. Foi usado Python 3.9 com as bibliotecas Pandas, Sklearn, Numpy, Flask e Pickle. Clique aqui para ver o repositório no GitHub do projeto, a API do projeto pode se acessada por este link.
Encontrar Caminho
Programa feito em Python usando as bibliotecas TKinter e PyGame. Consiste em marcar duas coordenadas e criar obstáculos, após isso você aperta a barra de espaço e o programa irá encontrar o caminho mais próximo ligando os dois pontos, desviando dos obstáculos. Clique aqui para ver o repositório no GitHub do projeto.
Stroke Prediction API
Modelo de predição de Stroke usando Python com as bibliotecas Sklearn, Pandas, Pickle, Matplotlib e Numpy. O modelo é disponibilizado em uma API construída com Flask e hospedada no Heroku. Clique aqui para ver o repositório no GitHub do projeto, a API do projeto pode se acessada por este link.
Árvore de Decisões
Analise de dados de pacientes que fizeram o teste para o SARS-Cov-2. Nesta análise foi preciso primeiramente tratar o dados e pegar os registros que contém os dados que precisamos. Os dados usados são os exames de Hemoglobin, Leukocytes, Basophils, Proteina C reativa mg/dL. Após isso foi criado uma árvore de decisões e através desta árvore eu descubro qual a feature de maior importância, os Leukocytes. Clique aqui para ver o repositório no GitHub do projeto.
Analytics House Datas
Dados Imobiliários de Seattle, com tabelas com filtros, gráficos e histogramas dos dados. Análise de diversos detalhes e com várias ferramentas como pandas, geopandas, streamlit, numpy, datetime entre outras bibliotecas de Python (3.9). A aplicação web foi feita com streamlit e feita o Deploy com Heroku. Clique aqui para ver o repositório no GitHub do projeto, a aplicação web pode ser acessada neste link.
Lotka-Volterra
Projeto em que eu desenvolvo duas formas de executar um Modelo de Simulação de Presa-Predador. O modelo usado foi o de Lotka-Volterra. Foi desenvolvido com Python usando as bibliotecas MatplotLib, Numpy e Scipy. Clique aqui para ver o repositório no GitHub do projeto.
Predição Iris
Projeto que analisa dados de entrada referentes a Iris, mostra seu gráfico de dispersão, faz o aprendizado de um modelo de predição, mostra o gráfico de custo e faz uma predição de dados de teste. Clique aqui para ver o repositório no GitHub do projeto.
