Senior Tech Lead em GeoAI e Ciência de Dados · Pernambuco, Brasil

Olá, eu sou João Ataíde

Sou Senior Tech Lead em GeoAI e lidero uma equipe de 4 pessoas. Uso imagens de satélite e inteligência artificial para achar problemas reais, como ligações irregulares de energia e desmatamento. Do dado bruto à operação em larga escala, com machine learning, visão computacional e radar (SAR).

  • Senior Tech Lead
  • GeoAI
  • Ciência de Dados
  • Visão Computacional
  • Sensoriamento Remoto
Foto de João Ataíde com seu notebook
Novidade Novo artigo STAC, COG e Zarr: como buscar imagens de satélite na nuvem sem baixar terabytes

Resultados selecionados

2024 · Projeto de P&D da ANEEL (agência de energia) com o Grupo Equatorial (distribuidora)

Perdas não técnicas no Maranhão

Ver detalhes

Perdas não técnicas são os furtos e as irregularidades no consumo de energia. O sistema, semiautomatizado, detecta unidades consumidoras irregulares fora do cadastro da distribuidora, com imagens de satélite e aprendizado de máquina. Testado em várias regiões do Maranhão, apontou as unidades irregulares com precisão de cerca de 80% (de cada 10 unidades apontadas, cerca de 8 eram de fato irregulares). A lista serviu para a tomada de decisão e orientou as equipes de campo.

  • Imagens de satélite
  • Aprendizado de máquina
  • 8 acertos a cada 10 apontadas
Ver o artigo do CIDE 2024

2026 · Artigo, risco de crédito

Uma métrica inflada por linhas repetidas

Ver detalhes

O modelo parecia acertar muito (0,941 de PR-AUC) porque 28.450 linhas apareciam no treino e no teste. Com a divisão correta, a mesma medida caiu para 0,335.

  • Crédito
  • Vazamento de dados
  • Validação
Ler o artigo

2026 · Artigo, séries temporais

Um modelo que parecia ganhar e não ganhava

Ver detalhes

Num teste com imagens de satélite de uma lavoura de soja, o modelo parecia prever melhor que o método mais simples (repetir o último valor). Quando o teste foi refeito sem "espiar o futuro", a vantagem desapareceu.

  • Validação
  • Imagens de satélite
  • Lavoura de soja
Ler o artigo

2026 · Imagem Esri, desde mai 2026

Liderança técnica em GeoAI

Ver detalhes

Equipe de 4 pessoas e mais de 10 projetos e consultorias em 2026, concluídos e em andamento, com responsabilidade por arquitetura, metodologia, cronogramas e critérios de validação.

  • Senior Tech Lead
  • Arquitetura
  • Validação
Ver experiência

Sobre mim

Hoje sou Senior Tech Lead na Imagem Esri e conduzo tecnicamente uma equipe de 4 pessoas, da definição do problema à operação. Atuo com machine learning, deep learning, visão computacional e sensoriamento remoto, com imagens ópticas e de radar (SAR), séries temporais e dados geoespaciais, da preparação dos dados e da validação à integração com ambientes GIS corporativos.

Foco: GeoAI e sensoriamento remoto multissensor; classificação, detecção e segmentação; SAR e séries temporais; change detection; GIS e MLOps.

Projetos, consultoria, palestras ou só trocar ideia sobre dados geoespaciais.

Trajetória profissional

  1. mai 2026 – atual

    Senior Tech Lead em GeoAI e Ciência de Dados

    Imagem Esri

    • Estruturo e conduzo tecnicamente soluções de dados, GeoAI e visão computacional, da definição do problema à arquitetura, validação e integração ao ambiente operacional.
    • Retornei em maio de 2026, a convite da Imagem Esri, para assumir a liderança técnica de uma equipe de 4 pessoas e mais de 10 projetos e consultorias em 2026, concluídos e em andamento: arquitetura, metodologia, cronogramas, critérios de validação e riscos técnicos, ao longo de todo o ciclo de desenvolvimento.
    • Desenvolvo pipelines multissensores que combinam imagens ópticas e SAR, dados vetoriais, informações meteorológicas, câmeras em campo, sensores IoT e registros operacionais, usando o ecossistema ArcGIS para processar, analisar e publicar os resultados.
    • Desenvolvi um pipeline de detecção de anomalias em séries temporais SAR Sentinel-1 com TCN-v2, combinando Sentinel-2 e change detection óptico para identificar mudanças e gerar alertas georreferenciados.
    • Desenvolvi a classificação de uso e cobertura da terra a 10 m com Sentinel-2 e XGBoost, além de um modelo multicritério AHP que combina NDVI/EVI, proximidade, contexto territorial e variáveis operacionais para priorizar áreas críticas.
  2. abr 2026 – jul 2026

    Consultoria em Ciência de Dados e Visão Computacional

    Automaxia (nas horas vagas, sem exclusividade)

    • Desenvolvi soluções de visão computacional para análise automatizada de imagens biomédicas, com modelos de detecção e segmentação para identificar e quantificar estruturas.
    • Comparei YOLO e RF-DETR com fatiamento de imagens, fusão de predições e análise sistemática de métricas e erros para escolher a abordagem mais adequada.
    • Estruturei experimentos de ML/DL com preparação de dados, validação e comparação de abordagens, documentando resultados, limitações e recomendações técnicas.
  3. abr 2024 – mai 2026

    Cientista de Dados

    VEGA Monitoramento

    Ver detalhes
    • Fui convidado para montar a área de dados da empresa.
    • Estruturei pipelines multitemporais em Python, Spark e Databricks, integrados ao S3 e STAC, para aquisição, mosaicos, máscaras de nuvem, composições temporais, índices espectrais e processamento de Sentinel-1/2, Landsat e MODIS.
    • Desenvolvi um framework de experimentação e treinamento com U-Net, DeepLab, Mask R-CNN, MLP e LSTM, integrando Scikit-learn, TensorFlow/Keras, PyTorch, PyCaret, Optuna, validação cruzada e rastreabilidade de experimentos.
    • Desenvolvi modelos Random Forest e redes neurais para uso e cobertura da terra, vegetação nativa e desmatamento em escalas nacional e internacional (biomas brasileiros e países da América do Sul e do Norte), com feature engineering, séries temporais, balanceamento por classe e geografia, tratamento de outliers e change detection.
    • Implementei fluxos de trabalho com SAM, cubos estatísticos, NDVI/EVI e processamento SAR, automatizando ingestão, enriquecimento geoespacial, controles de qualidade e geração de produtos em ambiente distribuído.
  4. jan 2024 – atual

    Professor de pós-graduação

    ClickGeo Cursos e Pós-Graduações em Geotecnologias

    Ver detalhes
    • Leciono disciplinas práticas de Python e R aplicados à Ciência de Dados Geográfica.
  5. out 2020 – abr 2024

    Cientista de Dados / Engenheiro de Visão Computacional

    Imagem Esri

    Ver detalhes
    • Desenvolvi soluções multissensores e multirresolução com CBERS-4A, Sentinel-1/2, ICEYE, Landsat, imagens noturnas, imagens de alta resolução e drones para aplicações ambientais, urbanas, agrícolas e de infraestrutura.
    • Desenvolvi modelos de detecção, segmentação e classificação para telhados, piscinas, sistemas fotovoltaicos, aceiros, vias, postes de iluminação, garimpo ilegal, desmatamento por radar e uso e cobertura da terra (com imagens de até 50 cm).
    • Criei soluções com CycleGAN para colorização de imagens SAR e com U-Net para uso e cobertura da terra. Também desenvolvi change detection e monitoramento contínuo com dados ópticos e SAR, com geração automatizada de alertas.
    • Construí e operacionalizei pipelines ponta a ponta para detecção de ligações não autorizadas, combinando visão computacional e dados tabulares. No projeto de P&D ANEEL com o Grupo Equatorial, testado em várias regiões do Maranhão, o sistema apontou as unidades irregulares com precisão de cerca de 80%, e a lista serviu para a tomada de decisão e para orientar as equipes de campo (artigo "GPS – Gerenciamento de Perdas via Satélite no Estado do Maranhão", CIDE 2024).
    • Estruturei a arquitetura inicial e provas de conceito de aplicações de GenAI com LLMs e dados geoespaciais, desenvolvi modelos de otimização para escalonamento de equipes e contribuí para uma plataforma de orquestração e alocação de tarefas.

Projetos e código aberto

Biblioteca Python de código aberto

AutoHybTS

Previsão automatizada de séries temporais híbridas. A biblioteca compara modelos e busca sistemas residuais, em que um modelo base faz a previsão e um corretor aprende o erro que sobra. A complexidade extra só é aceita quando passa por validação temporal. Caso contrário, vence o modelo mais simples.

  • Séries temporais
  • Modelos híbridos
  • PyPI
  • v1.0.0rc5
Ver documentação

Aplicação web no Hugging Face

DL Interface

Construtor visual de arquiteturas de Deep Learning, em Flask, para montar redes camada por camada direto no navegador.

  • Deep Learning
  • Flask
  • Hugging Face
Abrir no Hugging Face

Código aberto

Python · código dos artigos do blog

artigos-blog

Uma pasta por artigo, com o código para rodar de novo os experimentos descritos no texto.

Ver no GitHub
Ver mais 7 repositórios

Jupyter Notebook · ciência de dados espaciais

SpatialDataScience

Pequenos estudos de caso que colocam a variável espacial no centro do problema de negócio.

Ver no GitHub

Jupyter Notebook · detecção de veículos

VehicleDetectionArcGIS

Trabalho de conclusão da especialização em geoprocessamento (UFERSA), com um modelo de detecção e contagem de veículos treinado no ArcGIS Pro.

Ver no GitHub

Jupyter Notebook · análise de dados

DataAnalysis

Estudos de caso de análise de dados, em busca de hipóteses para problemas de negócio.

Ver no GitHub

Últimos artigos

Ver todos os 21 artigos

Comece por aqui: Arquitetura de Soluções em GeoAI · Lições sobre AI aplicada em imagens de satélite · Classificando variantes do tanque T-72 em imagens de radar

Capa do ebook O Guia Definitivo para Visão Computacional com Imagens de Satélites

Ebook gratuito

O Guia Definitivo para Visão Computacional com Imagens de Satélites

Ebook gratuito sobre a combinação de Visão Computacional e Imagens de Satélite: conceitos, satélites, dados na nuvem com STAC, séries temporais (SITS), modelos de fundação, ferramentas, aplicações e dicas de marca pessoal. Versão 2.0, atualizada em 2026, com 84 páginas.

Ler o ebook

Áreas de especialidade

Visão Computacional e Deep Learning

Detecção e segmentação de instâncias e panóptica em imagens de satélite, drone e biomédicas.

Ver ferramentas
  • PyTorch
  • Keras
  • OpenCV
  • U-Net
  • Mask R-CNN
  • YOLO
  • RF-DETR
  • SAM
Sensoriamento Remoto e GIS

Imagens ópticas, de radar (SAR) e térmicas, change detection e integração ao ambiente GIS.

Ver ferramentas
  • Sentinel-1/2
  • Landsat
  • SAR
  • Temperatura de superfície (LST)
  • Change Detection
  • ArcGIS Pro
  • ArcGIS Enterprise
  • QGIS
Séries Temporais e Previsão

Previsão e classificação de séries temporais, inclusive séries de imagens de satélite (SITS) pixel a pixel.

Ver ferramentas
  • SITS
  • ARIMA/ETS
  • Modelos híbridos
  • LightGBM
  • Transformers temporais
  • AutoHybTS
Machine Learning e MLOps

Modelos em produção e experimentos reproduzíveis, com ablação, replicação de artigos, rastreio e monitoramento.

Ver ferramentas
  • Python
  • Scikit-learn
  • XGBoost
  • Optuna
  • Databricks
  • MLflow
IA Generativa Geoespacial

LLMs e agentes de IA aplicados a dados geográficos, com RAG em nuvem ou totalmente local.

Ver ferramentas
  • LLMs
  • Agentes de IA
  • RAG geográfico
  • ChatGIS
  • Ollama
  • Qdrant

Educação e aprendizado contínuo

  1. Mestrado em Engenharia da Computação

    Universidade de Pernambuco, Petrolina, PE

    2026 – 2028 (em andamento)

  2. Pós-graduação em Visão Computacional

    STAR Research Institute, EAD

    2026 – 2027 (em andamento)

  3. Pós-graduação em Geoprocessamento e Georreferenciamento

    Universidade Federal Rural do Semi-Árido, Mossoró, RN

    2019 – 2021

  4. Bacharelado em Engenharia Civil

    Universidade Federal Rural do Semi-Árido, Pau dos Ferros, RN

    2017 – 2021

Ver docência, idiomas e outras formações

Outras formações: MBA em Pesquisa Operacional e Tomada de Decisão, Business School Brasil (EASE Brasil) (2023); Pós-graduação em Business Intelligence, Big Data & Analytics, Universidade Norte do Paraná (2021).

Docência

  • Professor de pós-graduação na ClickGeoPython e R para Ciência de Dados Geográfica, 2024 – atual
  • Instrutor na Alura: Modelos de Difusão e Transformers (PyTorch)Deep Learning / Engenharia de IA, 2025 – 2026Curso Modelos de Difusão Curso Transformers
  • Instrutor na Aprenda GeoAIDados espaciais, 2021 – 2023

Idiomas

  • PortuguêsNativo
  • InglêsAvançado (profissional)
  • EspanholBásico

Certificações (7)

Ver certificações

IA e visão computacional

  • Deep Learning SpecializationDeepLearning.AI · Coursera, 2022
  • Computer Vision NanodegreeUdacity, 2022
  • Generative AI with Large Language ModelsDeepLearning.AI e AWS · Coursera, 2023
  • Machine Learning in ProductionDeepLearning.AI · Coursera, 2024

Geoespacial e observação da Terra

  • Artificial Intelligence (AI) for Earth MonitoringEUMETSAT, ECMWF, Mercator Ocean e EEA · FutureLearn, 2022
  • Spatial Analysis and Satellite Imagery in a GISUniversity of Toronto · Coursera, 2023
  • Spatial Data Science and ApplicationsYonsei University · Coursera, 2021
Voltar ao topo