Da academia ao mundo das startups

Para atualizar os leitores, vamos falar sobre sua vida profissional. Como você escolheu este caminho de carreira?

Quando criança, eu costumava dizer aos meus pais que queria ser observador. Na época, eu não tinha ideia de como isso se traduziria em um caminho de carreira, mas me lembro que adorava passar tempo olhando para as coisas e tentando descobrir como funcionavam.

À medida que cresci, essa motivação me levou a estudar Física para a graduação, depois a fazer um Mestrado em Inteligência Artificial e, por fim, a seguir um doutorado em Neurociência.

Agora, como Cientista de Dados na Veriff, me vejo analisando grandes conjuntos de dados e descobrindo quais algoritmos podem extrair melhor certas informações para automatizar processos de forma eficiente nos produtos da Veriff. Eu diria que esse caminho de carreira está próximo do que eu, como criança, gostava de fazer.

Interessante! Vamos nos aprofundar em sua experiência de doutorado. Como você gostou da vida no mundo acadêmico?

Já nos últimos anos da minha graduação em Física, eu sabia que queria fazer um doutorado. Tipicamente, os assuntos em uma graduação ou mestrado apenas arranham a superfície dos conceitos que abordam. Essa foi uma das principais razões pelas quais eu quis fazer um doutorado, para me aprofundar em um tópico de interesse e potencialmente descobrir algo novo.

Ao final do meu curso de Física, me interessei por sistemas complexos e tive a sorte de encontrar o laboratório do Prof. Gonzalo G. de Polavieja. Na época, ele havia recrutado um excelente grupo de físicos e biólogos que trabalhavam juntos para entender as regras de interação de coletivos animais (por exemplo, cardumes de peixes) usando modelos matemáticos, o que realmente me interessou. Assim, fiz meu doutorado em Neurociência na Fundação Champalimaud na aplicação de técnicas de deep learning para extrair, analisar e modelar o comportamento de coletivos de peixes.

Foto: Paco ensinando na Fundação Champalimaud em Lisboa.

Um dos destaques do meu trabalho de doutorado foi o desenvolvimento do idtracker.ai, que é um software de rastreamento multi-animal baseado em deep learning que identifica cada animal em um coletivo e rastreia suas posições ao longo do tempo a partir de um vídeo.

Além de todas as habilidades técnicas que aprendi durante o desenvolvimento do meu projeto de doutorado, esses anos acadêmicos foram uma experiência inigualável de crescimento pessoal para mim. Conheci muitas pessoas inteligentes e interessantes, melhorei minhas habilidades de comunicação e organização e, acima de tudo, aprendi a manter uma atitude positiva diante de resultados negativos, que é algo comum na ciência.

Você também tem dado palestras para outros alunos de doutorado. Quais são os maiores desafios para compartilhar sua pesquisa e conhecimento com outros alunos?

A maior parte do ensino que fiz sobre minha pesquisa está relacionada a mostrar aos alunos como o idtracker.ai funciona e como usá-lo da melhor maneira possível em seus experimentos durante os cursos de verão. Explicar o funcionamento interno de um software em que se dedicou três anos de reflexão em 3 horas é bastante desafiador, especialmente porque parte da audiência são biólogos com pouca exposição ao mundo do deep learning (embora essa diferença esteja diminuindo).

O que aprendi é que, se conseguir dar uma visão geral motivadora do quadro mais amplo, os alunos se interessam pelo tópico e entender os detalhes se torna mais atraente para eles. O desafio de explicar como usar o idtracker.ai seria menor se os alunos obtivessem alguns detalhes básicos sobre o funcionamento interno.

Por exemplo, suponha que os alunos entendam quão importante é a condição da imagem para realizar uma tarefa de classificação usando uma rede neural convolucional. Nesse caso, eles serão mais cuidadosos ao gravar os vídeos de seus experimentos ou definir os parâmetros necessários para que o sistema extraia trajetórias com alta precisão.

Ótimo! Vamos agora conversar sobre seu trabalho atual na Veriff. Como você chegou aqui?

Minha experiência, que acredito ser compartilhada por muitos estudantes de doutorado, é que o doutorado é bastante intenso, especialmente nos últimos anos. Isso significa que, se você não tiver cuidado, acaba com um equilíbrio entre vida pessoal e trabalho bastante bagunçado. Então, eu sabia que precisava de um descanso da academia. Dadas minhas habilidades e experiências em aprendizado de máquina, pensei que seria divertido trabalhar nesta indústria em um nível corporativo também.

Eu havia passado um bom tempo pensando sobre como identificar animais a partir de vídeos. Portanto, eu estava muito interessado em saber como isso funcionaria com pessoas em um cenário real. Assim, a Veriff parecia uma combinação perfeita para mim, e foi por isso que decidi continuar minha carreira nesta empresa.

Como é a sua rotina de trabalho cotidiana?

Por causa da pandemia, fiquei muito habituado ao trabalho remoto e gosto muito disso. Quando comecei a trabalhar na Veriff, fiquei feliz ao descobrir que a empresa adotou uma abordagem híbrida de trabalho flexível, que se encaixa no meu estilo de vida.

No trabalho, passo a maior parte do tempo na frente do computador programando e analisando dados. Principalmente, analiso os resultados de experimentos de aprendizado de máquina ou tenho reuniões com colegas de outros departamentos.

Antes do início do meu dia de trabalho, frequentemente faço corridas cedo pela manhã. Ao longo do dia, tento fazer pequenas pausas para descansar os olhos e alongar o corpo.

Foto: Paco aproveitando o ar livre.

Qual dos valores da Veriff mais ressoa com você?

Eu me considero uma pessoa bastante proativa e criativa, e adoro poder colocar minhas ideias em prática. Além de ser a única forma de testar se minhas intuições estão corretas, acredito que incentivar as pessoas a serem ativas no trabalho é a melhor maneira de encontrar soluções novas para problemas. Portanto, eu diria que o valor “As ideias são gratuitas. A execução é inestimável” é o que mais ressoa comigo.

Quais são os desafios de ser um Cientista de Dados em uma empresa como a Veriff?

A Veriff está crescendo rapidamente, então garantir que nossos produtos usem os modelos mais precisos, confiáveis e robustos é crucial para o sucesso da empresa. Um dos maiores desafios é garantir que testemos nossos modelos com dados e condições o mais próximo possível das condições de produção. Isso nos ajuda a entender que o esforço feito durante o desenvolvimento do modelo vale a pena e melhora nosso produto.

Finalmente, conte-nos sobre seus hobbies.

No meu tempo livre, você me encontrará correndo, tocando música, tirando fotos ou lendo um livro. Além disso, dedico algumas horas da semana para fazer trabalho de ciência de dados para a ONG crowdfight.org, que ajuda a criar colaborações científicas.

Obrigado! Vamos agora passar para as perguntas rápidas.

Qual é um livro obrigatório?

Dois dos livros que gostei muito nos últimos anos são “Sapiens” e “Homo Deus” de Yuval Noah Harari. Eu gostei de ler sobre sua visão nova da história e as possibilidades para o futuro da humanidade.

Seu podcast favorito?

Meu favorito seria um podcast espanhol chamado “De eso no se habla” (We Do Not Talk About It). Eles entrevistam pessoas com histórias interessantes sobre tópicos que são tabu na sociedade espanhola.

Se você não fosse um engenheiro, o que você gostaria de ser?

Provavelmente, eu seria um músico profissional. Toco música desde os 7 anos e minha paixão por isso não diminuiu após todos esses anos. Adoro me apresentar ao vivo, mas também amo estudar e ensinar música.

Mac ou PC?

Eu uso um PC para o trabalho e um Mac como computador pessoal.

Qual seria o seu conselho para quem quer iniciar a carreira como Cientista de Dados?

Atualmente, a internet está cheia de tutoriais sobre programação em diferentes linguagens. No entanto, a melhor maneira de aprender é começar o desenvolvimento de projetos você mesmo e dedicar tempo a isso. Recentemente, descobri uma ONG chamada CorrelAid, onde cientistas de dados juniores e seniores ajudam outras ONGs com problemas relacionados à engenharia de dados. Descobri que é um excelente ambiente para futuros engenheiros aprenderem com os mais experientes.