Lucas de Araujo Contreiras

Estudante de Ciência da Computação

Universidade Federal do Rio de Janeiro (UFRJ)

Foto de Lucas de Araujo Contreiras
Irajá, Rio de Janeiro - RJ
lucas@contreiras.info
(24) 99966-1279
LinkedIn
GitHub
Lattes
YouTube

História

Estudante de Ciência da Computação na UFRJ, com uma base sólida em matemática construída ainda no Bacharelado em Ciências Matemáticas e da Terra antes da transferência de curso. Ao longo da graduação, venho combinando fundamentos teóricos (Álgebra Linear, Estatística e Probabilidade, Estruturas de Dados, Matemática Discreta, matérias que amo de exatas) com aplicação prática em projetos de dados reais: da análise de criminalidade no Rio de Janeiro com SVD, PCA e K-Means, à modelagem de um banco de dados relacional cruzando informações de transporte público (GTFS) e demografia da cidade.

Tenho interesse particular em transformar dados em decisões: gosto do processo completo, da limpeza e modelagem no banco até a construção de visualizações e dashboards que tornem os resultados acessíveis (já fiz isso com Streamlit, Pandas, Matplotlib e Power BI).

Sou monitor de Cálculo I por 3 anos, o que aguçou minha didática e minha paciência para explicar o "porquê" por trás de cada conceito científico. Essa habilidade me levou para a for_code, onde atuo na área de Pessoas (gerenciamento de pessoas): ministro e reescrevo diversos minicursos (Python, Análise de Dados, Pessoas com banco de dados), ajudo candidatos a ingressarem na equipe e, acima de tudo, gosto de espalhar conhecimento. Estou em transição para assumir a vice-presidência de Pessoas da for_code. Já na UFRJ Analítica, faço parte da equipe de Desenvolvimento, trabalhando com dados e banco de dados.

Minha vontade de usar dados para ajudar pessoas também aparece no voluntariado: desde 2023 sou voluntário no Lar Mãe Ritinha, um lar de idosas, onde atuo como analista de dados da chegada e saída de alimentos doados, com controle em Excel e um painel em Power BI. Na OASIS, aplico banco de dados relacionais e Machine Learning em um projeto sobre acidentes de trânsito e hospitais no Rio. Também faço Iniciação Científica em modelagem matemática de transporte de poluentes em corpos hídricos.

Busco uma oportunidade de estágio em Ciência de Dados ou Tecnologia da Informação onde eu possa continuar aprendendo, contribuir com análises que gerem impacto real e crescer perto de times que valorizem tanto rigor técnico quanto colaboração.

Minhas linguagens favoritas: Python, C, SQL e Java.

Objetivo

Meu objetivo é fazer do estágio o primeiro passo de uma carreira em que dados, matemática e programação trabalhem juntos para resolver problemas reais. Tenho interesse em Ciência de Dados, Inteligência Artificial / Machine Learning, Engenharia de Dados e Análise de Dados, e também me vejo em áreas vizinhas, como Business Intelligence, Desenvolvimento de Software, Banco de Dados e Computação Científica e Modelagem Matemática. Venho construindo essa base na graduação em Ciência da Computação na UFRJ, em projetos pessoais e acadêmicos e na iniciação científica, e sei exatamente o que ainda preciso aprender em cada área. Quero crescer junto com uma equipe, aprender na prática e, com o tempo, assumir problemas cada vez mais complexos.

Trajetória

Ciência de Dados

Inteligência Artificial / Machine Learning

Engenharia de Dados

Análise de Dados e Business Intelligence

Desenvolvimento de Software

Computação Científica e Modelagem Matemática

Formação Acadêmica

Bacharelado em Ciência da Computação (UFRJ)

2024.2 – 2028.2 (previsão, CR atual: 8,4)

Bacharelado em Ciências Matemáticas e da Terra (UFRJ)

2022.2 (transferido internamente para Ciência da Computação)

Projetos

Iniciação Científica (atual): Transporte de Poluentes em Corpos Hídricos

Modelagem matemática, problema inverso e equação de advecção-difusão

  • Pesquisa baseada em uma dissertação que apresenta um método computacional para caracterizar o transporte de poluentes em corpos hídricos, a partir da modelagem matemática dos fenômenos envolvidos.
  • O método obtém a solução numérica do problema inverso da equação de advecção-difusão, para gerar o modelo do transporte.
  • A avaliação é feita com experimentos computacionais usando dados sintéticos, gerados pela solução do problema direto da mesma equação. O método resolveu o problema inverso com sucesso, mesmo com dados contaminados por ruído.

Classificador de Flores Iris com Machine Learning em C

Aplicação de aprendizado de máquina implementada em C

  • Programa desenvolvido em C para analisar o banco de dados Iris e treinar um modelo capaz de classificar a espécie de uma flor a partir das medidas de pétalas e sépalas.
  • Implementação de algoritmo de classificação do zero, sem bibliotecas de alto nível, reforçando o entendimento dos fundamentos matemáticos por trás do aprendizado de máquina.

Análise dos Top 1000 Filmes do IMDB

Python, Pandas, Matplotlib, Streamlit

  • Análise exploratória de dados de um dataset com os 1000 filmes mais bem avaliados do IMDB, incluindo tratamento e limpeza dos dados com Pandas.
  • Criação de visualizações estatísticas com Matplotlib e construção de um dashboard interativo em Streamlit.
  • Versionamento do projeto com Git/GitHub.

Análise da Criminalidade no Rio de Janeiro

Python, SVD, PCA, K-Means (projeto da disciplina Computação Científica e Análise de Dados, COCADA)

  • Aplicação de SVD e PCA sobre dados de criminalidade do Instituto de Segurança Pública do Rio de Janeiro (ISP-RJ).
  • Uso de K-Means para agrupamento de regiões com padrões de criminalidade semelhantes.
  • Construção de visualizações para identificar tendências e padrões espaciais de criminalidade entre bairros.
  • Versionamento com Git/GitHub em colaboração com o grupo.

Transportes Rio (Oferta de Transporte Público e Demografia)

SQL, MySQL, Python (Geopandas), HTML (projeto da disciplina Banco de Dados I, ICP489)

  • Modelagem e implementação de um banco de dados relacional em MySQL correlacionando dados GTFS de transporte público com informações demográficas.
  • Desenvolvimento de consultas SQL com joins, subqueries e agregações.
  • Construção de aplicação web em Flask com mapa interativo.
  • Uso de Geopandas para tratamento e cruzamento de dados geoespaciais.
  • Colaboração via Git/GitHub em equipe.

Histórico Acadêmico

8,4 CR atual
136 Créditos obtidos
2022/2 → 2026/1 Período acadêmico

2022/2

Código Disciplina Nota Situação
ICP121Computação I8,5AP
CMT111Inovações Cient Tecn e Art I7,2AP
FIW112Introdução à Física A10,0AP
FIW113Introdução à Física B10,0AP
MAW117Introdução ao Cálculo10,0AP
CMA110Tóp Gerais Ciências da Terra8,4AP

2023/1

CódigoDisciplinaNotaSituação
ICP241Computação II9,5AP
MAC118Cálculo Difer e Integral I10,0AP
FIS111Física Experimental I7,1AP
CMT121Inovações Cient Tecn e Art II10,0AP
CMT012Introdução à Programação C/c++9,2AP

2023/2

CódigoDisciplinaNotaSituação
NCG011Acessando a Mente e o Espaço10,0AP
MAC128Cálculo Diferen e Integral II6,7AP
NCG017Empreendedorismo Tecnol e Ciên9,0AP
CMT231Inovações Cient Tecn e Art III10,0AP
IGT603Poluição do ar7,0AP

2024/1

CódigoDisciplinaNotaSituação
ICP111Fund Computação Digital7,8AP
FIT111Física I6,9AP
MAE125Álgebra Linear6,9AP

2024/2

CódigoDisciplinaNotaSituação
ICP136Introd Pensamento Dedutivo9,2AP
ICP134Números Inteiros Criptografia9,6AP
ICP142Organização de Dados I9,0AP
ICP132Processos de Software5,9AP
ICP135Projeto de Carreira9,3AP

2025/1

CódigoDisciplinaNotaSituação
ICP145Habilidades Sociais p Trabalho9,2AP
ICP238Introd à Computação Numérica7,8AP
ICP237Introd à Modelagem de Sistemas8,3AP
ICP144Matemática Discreta7,7AP
ICP143Projeto Prático8,6AP
NEP101Teoria Direitos Fundamentais10,0AP

2025/2

CódigoDisciplinaNotaSituação
ICP246Arquitet Comput e Sist Operac5,4AP
MAD243Estatística e Probabilidade7,9AP
ICP116Estruturas de Dados5,7AP
ICP115Álgebra Linear Algorítmica9,8AP

2026/1

CódigoDisciplinaNotaSituação
ICP489Banco de Dados I6,6AP
ICP248Comput Científ e Análise Dados7,8AP
ICP239Programação Orientada a Objeto7,0AP
ICP249Tecnologia e Sociedade9,7AP

Trabalho Voluntário

Lar Mãe Ritinha (lar de idosas), voluntário

Desde 2023

  • Controle e análise em Excel da chegada de alimentos doados à instituição.
  • Criação de painel em Power BI para visualização e acompanhamento dos dados de doações.

OASIS (Observatório de Algoritmos e Sistemas de Informação com Impacto Social), Analista de Banco de Dados Relacionais

Python, SQL, Geopandas, Pandas, NumPy, Matplotlib, Streamlit, Machine Learning

Projeto atual: acidentes de trânsito no Rio de Janeiro e os hospitais mais próximos de cada batida, cruzando também os dados do temporal (chuva) que ocorria no dia de cada acidente. O objetivo é identificar hospitais sobrecarregados e casos graves em que o hospital mais próximo ainda fica longe demais.

Como o projeto funciona, passo a passo:

  1. Coleta: dados de acidentes com coordenadas (latitude e longitude), lista de hospitais com localização e dados meteorológicos diários do Rio.
  2. Limpeza e modelagem: tratamento com Pandas e organização das tabelas (acidentes, hospitais, clima) no banco relacional.
  3. Geopandas: conversão dos pontos em GeoDataFrames e projeção para um sistema de coordenadas em metros, para que as distâncias sejam reais e não em graus.
  4. Machine Learning (vizinho mais próximo): para cada batida, o algoritmo calcula a distância até os hospitais e escolhe o que minimiza essa distância.
  5. Contagem: o hospital escolhido recebe +1 no seu contador, e no final cada hospital tem o total de batidas para as quais é o mais próximo.
  6. Cruzamento com o clima: comparação das contagens e das distâncias em dias de temporal contra dias sem chuva.
  7. Visualização: mapas e rankings (Matplotlib e Streamlit) mostrando os hospitais mais demandados e os pontos de acidente mais distantes de qualquer hospital.

Cursos e Atividades Complementares em Equipe

UFRJ Analítica

Equipe de Desenvolvimento (Dados e Banco de Dados)

  • Membro recém-ingressado da equipe de Desenvolvimento, atuando em projetos envolvendo dados e banco de dados.

For_code

  • Desenvolvimento de exercícios e scripts práticos em Python e SQL nos minicursos de Análise de Dados.
  • Atuação como instrutor, ensinando conceitos de LGPD e orientando a aplicação prática dos conteúdos em Notion.
  • Reescrita dos minicursos da equipe: Pessoas (com banco de dados), Análise de Dados com Python e novos conteúdos, com slides no modelo da for_code.
  • Minicurso de Introdução ao Python (1h30): instalação, variáveis e tipos, loops, listas e funções.
  • Elaboração de questões e desafios de programação para os alunos da for_code.
  • Certificado: curso de Python Intermediário ministrado pela for_code (20 horas, dezembro de 2024).
  • Reconhecimento "Destaque (Diretoria de Pessoas)": por reformular sozinho a Trilha de Pessoas e ajudar diversos candidatos a ingressarem na for_code.

Semana da Escola de Química (UFRJ): Minicursos de Análise de Dados

  • Ministrante do minicurso "Análise de Dados em Python" (Semana da Escola de Química 2026, 2 horas, 26 a 29/08/2026).
  • Instrutor(a) do minicurso "Análise de Dados: Da geração à Interpretação" (Semana da Escola de Química 2025, 4 horas, 23 a 29/08/2025).

Meu Horário Atual

Aulas, monitorias e extensão do período atual.

Horário Segunda Terça Quarta Quinta Sexta
08h–10h Modelagem Matemática Algoritmos e Grafos Modelagem Matemática Algoritmos e Grafos Livre
10h–12h Modelagem e Avaliação de Desempenho Otimização Modelagem e Avaliação de Desempenho Otimização Livre
12h–13h Monitoria de Introdução ao Cálculo Monitoria de Introdução ao Cálculo Livre
13h–15h Computação Social Livre
17h–19h Monitoria de Organização de Dados (online) Monitoria de Introdução ao Cálculo (online) Livre
19h–20h Extensão (OASIS) Livre

OASIS = Observatório de Algoritmos e Sistemas de Informação com Impacto Social (atividade de extensão).

Competências Técnicas

Idiomas

Minha cultura

Uma parte importante de quem eu sou também está nos jogos, filmes e músicas que gosto.

Meus jogos favoritos

Artistas que mais tenho ouvido

Filmes

Minha atividade cinematográfica pode ser acompanhada pelo meu perfil no Letterboxd.

Ver meu Letterboxd

Outros lugares onde me encontrar

Minijogos

🐍 Campo Minado em Python

Campo Minado desenvolvido em Python, com a lógica do jogo rodando de verdade dentro do navegador (via Pyodide).

10 × 10 (16 bombas)

Jogar →

Mais jogos que fiz na GDP, inclusive como roteirista, poderão aparecer aqui futuramente.

Prevendo Notas Futuras (ML)

Um modelo simples de regressão linear, rodando em Python de verdade dentro do navegador (via Pyodide), treinado com as minhas próprias notas dos períodos 1 a 4. Para cada disciplina que já cursei, ele relaciona a média das notas de TODA a cadeia de pré-requisitos (não só o pré-requisito direto, mas os pré-requisitos dos pré-requisitos, recursivamente, até o 1º período; ex: para prever uma disciplina que depende de Cálculo II, a cadeia inclui também Cálculo I, pré-requisito de Cálculo II) com a nota que tirei nela. Usar a cadeia inteira, em vez de só o pré-requisito direto, dá mais pontos de dado por previsão, o que reduz a margem de erro.

Sobre a margem de erro: com uma base de dados pequena (uma única pessoa, poucas dezenas de disciplinas), uma divisão fixa de 80% treino / 20% teste feita uma única vez seria pouco confiável, pois o resultado dependeria muito de sorte na divisão. Por isso o modelo usa Leave-One-Out Cross-Validation (treina deixando uma disciplina de fora por vez, testa nela, e repete para todas) para estimar o erro típico, e converte isso numa margem de erro com 99% de confiança (via distribuição t de Student). Quanto mais larga a margem, menos essa relação (nota de pré-requisito → nota futura) realmente prevê o resultado no meu histórico.

Avalie-me

Já me conhecia a partir de monitorias? Consegui te ajudar em algo educacional? Te fiz aprender com meus vídeos do meu canal do YouTube? Pode me avaliar.

Dou monitoria há 3 anos de Cálculo I, Introdução ao Cálculo e agora Organização de Dados, por isso gosto de saber o que acharam das minhas monitorias e dos meus métodos.

Canal YouTube (FlashNightRJ)

Pesquisa acadêmica: monitorias de Introdução ao Cálculo

Fez Introdução ao Cálculo? Este formulário faz parte de uma pesquisa acadêmica da disciplina Computação Social, que busca medir o efeito das monitorias de Introdução ao Cálculo e dos grupos de WhatsApp com os monitores nas notas dos alunos.

O formulário pergunta:

  • Você participou presencialmente ou online das monitorias?
  • Se participou, quantas vezes?
  • Você estava presente nos grupos de WhatsApp com os monitores?
  • Qual foi sua nota final em Introdução ao Cálculo?
Responder o formulário

Como foi sua experiência?

Selecione uma avaliação

Média das avaliações
0,0 ★
★★★★★
★★★★★

Nenhuma avaliação ainda.

OASIS — Dashboard de Acidentes no RJ

Uma versão demonstrativa do projeto Oasis, originalmente desenvolvido em Python com Streamlit. Aqui, o processamento dos dados roda em Python dentro do navegador por meio do Pyodide, sem precisar de um servidor.

Ver o projeto original no GitHub →

Abra a aba para carregar o motor Python.

— acidentes analisados
— óbitos
— pessoas feridas
— média de feridos por acidente

Acidentes por rodovia

Amostra de ocorrências

Data Rodovia Município Tipo de acidente Feridos

Demonstração baseada na estrutura do datatran2026_rj.csv e nas métricas do projeto original. A versão completa, com dados e mapas interativos, está no repositório Oasis.