Gabriel Vieira

Gabriel Vieira

CTO, US @ Ubivis

IA industrielle et jumeaux numériques pour l’industrie manufacturière, fondés sur l’apprentissage automatique guidé par la physique.

Professionnel

  1. 2024 — aujourd’hui

    Ubivis

    Data scientist junior, puis data scientist, responsable de la modélisation IA, associé et CTO, US, en moins de deux ans.

    1. oct. 2025 — aujourd’hui

      Directeur technique (CTO), US

      Stratégie technologique d’Ubivis aux États-Unis : la feuille de route américaine des plateformes UbSmart, UbGenius et No-Code AI, les déploiements sur site, cloud et hybrides intégrés aux PLC, SCADA et MES, l’avant-vente technique dans la sidérurgie, l’automobile, les mines, le pétrole et le gaz et l’agroalimentaire, et l’équipe technique américaine avec ses standards de MLOps et de livraison.

      • Stratégie
      • Avant-vente
      • Architecture
    2. déc. 2024 — aujourd’hui

      Associé

      Associé d’Ubivis au Brésil et responsable commercial de l’entreprise. Je pilote l’activité commerciale avec Scrum et un tableau Kanban, pour suivre le marketing digital, le SEO, les candidatures aux appels à projets d’innovation et la mise en œuvre des stratégies d’expansion. Je construis également la filiale américaine : stratégie commerciale, de la cartographie du marché aux contrats grands comptes, go-to-market, tarification et positionnement avec le fondateur et les associés, et génération de la demande par des campagnes payantes, de la prospection par e-mail et la présence de l’entreprise sur LinkedIn et Instagram.

      • Scrum
      • Kanban
      • SEO
    3. oct. 2024 — aujourd’hui

      Responsable de l’équipe de modélisation IA

      Modèles guidés par la physique et pilotés par les données pour des usines sidérurgiques et automobiles, avec des architectures de jumeaux numériques et des chaînes de simulation reliées aux PLC, SCADA et MES, avec la responsabilité du budget, du choix des fournisseurs et des modèles de ROI. J’ai construit le cadre de gouvernance de l’IA de l’entreprise : points de contrôle qualité, checklists de sécurité et politique d’usage éthique, afin qu’aucun modèle n’arrive en production sans revue.

      • Gouvernance de l’IA
      • MLOps
    4. mai — oct. 2024

      Data scientist, IA

      Modèles guidés par la physique pour la sidérurgie et chaînes automatisées d’extraction de caractéristiques pour les séries temporelles industrielles. Promu du niveau junior au bout de trois mois.

      • PINNs
      • tsfresh
      • Polars
    5. févr. — mai 2024

      Data scientist junior, IA

      Modèles d’apprentissage automatique et pipelines de données pour des applications industrielles, avec des travaux de recherche en optimisation des procédés, détection d’anomalies et analyse de données de capteurs.

      • Détection d’anomalies
      • Ingénierie des caractéristiques
  2. sept. 2023 — nov. 2024

    Résident en IA · SENAI Hub of AI

    Réseaux de neurones fondés sur la physique pour l’efficacité de la sidérurgie, et segmentation des sols urbains par vision par ordinateur pour les villes intelligentes.

    • PyTorch
    • Vision par ordinateur
  3. juin 2019 — janv. 2021

    Collaborateur, Services spécialisés en physique nucléaire, atomique et moléculaire appliquée · UEL

    Projet d’extension universitaire au Laboratoire de physique nucléaire appliquée (LFNA), coordonné par le Prof. Dr Avacir Casanova Andrello : prestations de micro-tomodensitométrie à rayons X, de la préparation d’échantillons de toutes natures jusqu’à la reconstruction d’images, l’analyse 2D et 3D et l’analyse de données (100 heures).

    • Micro-CT
    • Reconstruction 3D
    • Analyse de données
  4. 2019 — 2025

    Traducteur et relecteur technique, anglais et portugais · Indépendant

    Articles scientifiques, surtout en génie civil, physique et biologie, pour des chercheurs universitaires.

Réalisations choisies

  • Détection de défauts rares en soudage robotisé

    Un classifieur binaire pour des défauts qui ne surviennent presque jamais, entraîné sur des données de capteurs extrêmement déséquilibrées avec plus de 700 caractéristiques de séries temporelles par cycle de soudage. Il fonctionne de bout en bout, de l’acquisition au déploiement conteneurisé. Le projet, livré par Ubivis, a été finaliste (Top 3) du Prix de l’innovation FINEP 2025 (Transformation numérique de l’industrie).

    • Séries temporelles
    • tsfresh
    • Apprentissage déséquilibré
  • Modèles guidés par la physique pour la sidérurgie

    Des réseaux de neurones qui combinent la physique des procédés et les données d’usine pour les convertisseurs à oxygène et les fours à arc électrique, là où les données seules ne couvrent pas la plage de fonctionnement.

    • PINNs
    • PyTorch
    • Modélisation des procédés
  • Pipelines de ML sur 170 Go de données de capteurs

    Polars avec du Parquet compressé en Zstandard, cache disque, sous-échantillonnage adaptatif avec MiniBatchKMeans et extraction parallèle de caractéristiques, le tout dimensionné pour tourner sur une seule machine.

    • Polars
    • Parquet
    • Ingénierie des données
  • Back-end Rust pour la plateforme Ubivis

    La réécriture en Rust du back-end de la plateforme, que je développe : un workspace hexagonal de 26 crates avec une API GraphQL, des événements NATS JetStream, l’autorisation Cerbos et les secrets OpenBao, ainsi que des serveurs de génération augmentée par récupération (RAG) et Model Context Protocol (MCP) pour les agents d’IA.

    • Rust
    • RAG
    • MCP

Conférences

  1. sept. 2026

    Article évalué par les pairs et conférence · ROG.e 2026, Rio de Janeiro

    Impact of Applying Artificial Intelligence Techniques in Risk-Based Inspection for Equipment in Oil Refining Units, présenté lors d’une session technique le 24 septembre.

  2. 2025

    Intervenant sur scène pour Ubivis · GITEX Europe, Berlin

    Présentation de la plateforme d’IA industrielle d’Ubivis à un public international.

Outils

  1. Leadership

    Management technologique · Avant-vente technologique · Stratégie informatique · Gouvernance de l’IA · Scrum · Kanban

  2. ML

    PyTorch · scikit-learn · XGBoost · LightGBM · TensorFlow

  3. Données

    Polars · Pandas · tsfresh · NumPy · SciPy · SQL

  4. MLOps

    Docker · Kubernetes · GCP · MLflow · Airflow · FastAPI · CI/CD

  5. Industrie

    PLC · SCADA · MES · OPC UA