Daniel Cotrim

Neo4j Graph Data Science Specialist and AI Architect  com 15+ anos de experiência em ML, NLP, LLMs e arquiteturas agenciais. Criador da metodologia Graph Mind e Code Idea, integrando LLMs, Retrieval-Augmented Generation (RAG) e fundamentação sobre gráficos Neo4j para fornecer soluções de IA contextuais, explicáveis e escaláveis.

Especialista em ajuste fino e implantação de produção de modelos de IA (preferencialmente AWS, Azure, GCP), com histórico comprovado em experimentação, avaliação e otimização. Altamente qualificado em Python, SQL/Cypher e Graph Data Science (Neo4j GDS), aplicando uma mentalidade orientada por dados para fornecer impacto mensurável em domínios críticos, como finanças (Spend/Compliance) e saúde (suporte de diagnóstico).

Experiência em liderança técnica, colaboração interdisciplinar e fornecimento de produtos de alto valor alinhados com os requisitos corporativos de desempenho, confiabilidade, segurança e conformidade.

Competências essenciais

AI/ML: Machine Learning, Deep Learning, NLP, LLMs, Agentic Systems, Fine-tuning, Distillation, RAG, Grounding Techniques, Explainable AI, Model Optimization
Programming: Python, FastAPI, Flask, SQL, Cypher, PyTorch, TensorFlow, Hugging Face, LangChain, scikit-learn, JavaScript, TypeScript, Next.js
Data & Graph: Neo4j, Graph Data Science, Graph Databases, Knowledge Graphs, Embeddings, TF-IDF, Cypher Queries, Link Prediction
Nuvem e MLOps: AWS (SageMaker, Lambda, ECS, ElastiCache), Azure, GCP, Docker, Kubernetes, CI/CD, Vercel, Implantação na nuvem
Visualização: Cytoscape.js, D3.js, painéis interativos, visualização de gráficos
Domínios: Concur Spend AI, Finanças, Gerenciamento de gastos, Conformidade, Detecção de anomalias, Arquitetura multilocatário

Experiência profissional

Cientista / Fundador de Machine Learning – Graph Mind
03/2013 – Presente

• Projetou e implementou uma plataforma de síntese de conhecimento integrando LLMs, RAG e Graph Data Science para fornecer respostas contextuais, auditáveis e acionáveis nos domínios de finanças, conformidade e saúde.

• Construiu um gráfico semântico multimodal com 45 mil nós e 400 mil relacionamentos enriquecidos (pontuações TF-IDF, ocorrências do PubMed) com todas as 10 mil doenças e mais de 5 mil sintomas.

• Ontologias médicas aplicadas e dados bibliográficos para aumentar a precisão e explicabilidade.

• Estabeleceu parcerias com programas da indústria: NVIDIA Inception Program, Neo4j Startup Program (AuraDB Enterprise), Microsoft for Startups Founders Hub (acesso antecipado ao RAG).

Cientista de Dados / Arquiteto de Sistemas – TOTVS Health, Porto Alegre – Brasil
03/2011 – 03/2013

• Arquitetou o desenvolvimento de um sistema de apoio diagnóstico para o Hospital HCor, São Paulo.

• Liderou a implantação de sistemas de prontuário eletrônico de pacientes, garantindo desempenho, confiabilidade e conformidade com os padrões de saúde.

Educação

• Doutorado (incompleto) – Medicina/Neurologia – AI Focus – PUCRS – 2016
  Tese: Modelo computacional para apoio ao diagnóstico de epilepsia. Orientador: André Palmini.

• M.Sc. – Ciência da Computação – PUCRS – 2007
  Tese: Arquitetura de indexação aplicada a servidores PACS para processamento de imagens médicas. Orientador: Eduardo Augusto Bezerra.

• B.Sc. – Ciência da Computação – PUCRS – 2004
  Tese: Modelo de armazenamento para recuperação de imagens médicas com suporte diagnóstico.

Contribuições acadêmicas e profissionais

• Revisor: Journal of Health Informatics (JHI), Journal of Computer Methods in Biomechanics and Biomedical Engineering: Imaging & Visualization (JCM-BBE: IV).

• Membro do Comitê Técnico de Programação: Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS), Congresso Brasileiro de Informática em Saúde.

• Moderadora: Sessão Técnica sobre COVID-19 – ERCAS/USP.

Professor de Python e Inteligência Artificial – Tecnologia Universitária (03/2013 – 03/2023)

• Projetou e ministrou cursos de graduação em Algoritmos e Programação, IA (Python), Lógica Computacional, Programação Orientada a Objetos (Java), Banco de Dados, Análise de Sistemas e Gerenciamento de Projetos.

• Ministrou cursos de pós-graduação (2019–2023) em Inteligência Artificial, Deep Learning, Machine Learning e Business Intelligence.

Certificações

• Certificação Neo4j Graph Data Science

• Construindo Gráficos de Conhecimento com LLMs usando Neo4j e LangChain

• Construindo aplicativos Neo4j com Python, Java e NodeJS

Idiomas

• Português: Nativo

• Inglês: Avançado

Porto Alegre, RS – Brasil | +55 51 99113-1972 | dan@graph.mdLinkedIn: linkedin.com/in/graphmd | GitHub: github.com/graph-md | Portfólio: graph.md