Theo Miliani

Este projeto visa desenvolver uma plataforma de apoio à tomada de decisão em investimentos em Fundos Imobiliários (FIIs), integrando análise técnica de candles com interpretação de notícias em linguagem natural através de IA.

A proposta é utilizar modelos de linguagem (LLMs) para interpretar o sentimento de notícias relacionadas a setores e ativos específicos, cruzando essas informações com padrões técnicos de mercado, como sinais de reversão, confirmação ou continuação.

A ideia… Mostrar más

Este projeto visa desenvolver uma plataforma de apoio à tomada de decisão em investimentos em Fundos Imobiliários (FIIs), integrando análise técnica de candles com interpretação de notícias em linguagem natural através de IA.

A proposta é utilizar modelos de linguagem (LLMs) para interpretar o sentimento de notícias relacionadas a setores e ativos específicos, cruzando essas informações com padrões técnicos de mercado, como sinais de reversão, confirmação ou continuação.

A ideia central é aumentar a assertividade de uma estratégia já existente e consistente, que historicamente oferece retornos médios de até 2% ao mês, com base exclusivamente em dados técnicos.

O sistema funciona assim:

O usuário dispara uma análise (não em tempo real).

O módulo de IA busca e interpreta notícias relevantes no momento da solicitação.

Em paralelo, o sistema analisa os candles e padrões técnicos recentes.

A plataforma consolida as informações, sugerindo uma possível ação: manter, entrar, sair, ou aguardar.

Atualmente em desenvolvimento, o projeto já conta com:

Interface web em .NET MVC

Comunicação via WebSockets entre os módulos de IA e análise técnica

Primeiras iterações de teste com LLMs para interpretação de sentimento de notícias

Tecnologias envolvidas:

.NET MVC

MySQL

WebSocket

LLMs locais (como DeepSeek 14B)

Análise técnica com leitura de candles e padrões gráficos

Parsing de notícias da web

Status atual:
Projeto em andamento com módulos já testáveis separadamente. As próximas etapas envolvem:

integração completa entre os componentes,

refino da IA para maior sensibilidade contextual,

e testes com dados históricos de FIIs para validação. Mostrar menos

Desenvolvi uma solução de Inteligência Artificial voltada à interpretação de linguagem natural para geração automatizada de queries SQL, com o objetivo de democratizar o o à informação em ambientes corporativos, mesmo para usuários não técnicos.

O sistema atua em três etapas principais:

Interpretação do pedido em linguagem natural, utilizando LLMs (Large Language Models) especializados.

Análise e compreensão da estrutura real do banco (DDL) para garantir que a query… Mostrar más

Desenvolvi uma solução de Inteligência Artificial voltada à interpretação de linguagem natural para geração automatizada de queries SQL, com o objetivo de democratizar o o à informação em ambientes corporativos, mesmo para usuários não técnicos.

O sistema atua em três etapas principais:

Interpretação do pedido em linguagem natural, utilizando LLMs (Large Language Models) especializados.

Análise e compreensão da estrutura real do banco (DDL) para garantir que a query gerada seja compatível e segura.

Geração da query SQL final com base nos dados do schema e intenção original, incluindo sugestões de filtros, ordenações e junções inteligentes.

A arquitetura foi pensada para ser modular e eficiente, com dois módulos se comunicando via WebSockets:

Um módulo responsável pela interpretação do texto e validação semântica.

Outro responsável por consultar o schema do banco MySQL e montar a query final com base nos resultados processados.

Além disso, o sistema inclui uma camada de logs e segurança para evitar exposições indevidas ou tentativas de injeção por meio da linguagem natural.

Tecnologias utilizadas:

.NET MVC para backend

LLM (DeepSeek 14B via API local)

MySQL

WebSocket para integração entre módulos

Prompt engineering avançado

Análise semântica e heurísticas de correspondência de termos

Diferenciais:

Combina IA generativa com análise estrutural de bancos reais.

Traduz pedidos como "me mostre as vendas do último trimestre por categoria" em SQL funcional, respeitando nomenclaturas do schema.

Pode ser facilmente adaptado para qualquer banco com e a introspecção de schema.

Este projeto nasceu da necessidade real de acelerar o o a informações estratégicas e reduzir a dependência de times técnicos para elaboração de consultas em sistemas corporativos. Mostrar menos

IA que ajuda você a ter um confiável sobre sua performance em entrevistas, limpo e direto

Projeto pessoal em desenvolvimento com o objetivo de criar uma plataforma embarcada de assistência veicular, combinando automação automotiva, controle por voz, sensores e IA local para oferecer uma experiência de direção mais conectada, responsiva e segura.

A inspiração vem de sistemas inteligentes de assistência personalizados, com o diferencial de operar tanto com comandos locais quanto por integração com APIs em nuvem. O sistema será capaz de executar tarefas como:

Acionamento… Mostrar más

Projeto pessoal em desenvolvimento com o objetivo de criar uma plataforma embarcada de assistência veicular, combinando automação automotiva, controle por voz, sensores e IA local para oferecer uma experiência de direção mais conectada, responsiva e segura.

A inspiração vem de sistemas inteligentes de assistência personalizados, com o diferencial de operar tanto com comandos locais quanto por integração com APIs em nuvem. O sistema será capaz de executar tarefas como:

Acionamento e monitoramento de dispositivos embarcados (luzes, portas, sensores)

Respostas por voz com personalidade própria

Comunicação com o condutor de forma contextual e proativa

Registro e análise de comportamento do motorista para sugestões e alertas

A arquitetura está sendo construída para permitir:

Processamento local com fallback em nuvem

Comunicação em tempo real via WebSocket

Customização de comportamentos e gatilhos de eventos

Integração com dispositivos externos (como controle remoto, sensores físicos e câmeras)

Este projeto envolve múltiplas áreas:

Desenvolvimento de software embarcado

Interfaces de comunicação natural com IA (LLM local)

Automação eletrônica veicular

Design de fluxos interativos baseados em voz e contexto

Tecnologias utilizadas:

Node.js / .NET Core (backend)

Python (controle de IA local)

Microcontroladores (Raspberry Pi / Arduino)

WebSockets / MQTT

Modelos de linguagem locais (DeepSeek 14B / Open WebUI)

Status atual:
Em desenvolvimento, com módulos de voz e automação básica em breve integrados ao veículo. A próxima fase inclui expansão de sensores e personalização da IA embarcada. Mostrar menos