Carlos Henrique do Vale e Silva

Carlos Henrique do Vale e Silva

Desenvolvedor Full-stack e Pesquisador focado na intersecção entre sistemas web escaláveis e Inteligência Artificial. Com sólida experiência prática em tecnologias como Python, Next.js e ecossistemas de Machine Learning, transformo código e análise de dados em soluções robustas para desafios complexos. Movido pela inovação, meu objetivo é construir ferramentas que unam excelência técnica a um impacto real nos negócios e na sociedade.

Meus Projetos

Site PAAD (Portal Oficial Laboratório PAAD)

Imagem do Projeto Site PAAD

Next.js 16, React 19.2, Tailwind CSS v4, Prisma, PostgreSQL, Node.js 20, Express 5.1, Docker, JWT, MFA/2FA

MVP robusto do Laboratório PAAD. Atuação completa desde o Product Discovery (reuniões e requisitos) e UI/UX Design até o desenvolvimento Full-stack escalável com painel administrativo e segurança MFA.

Crimes Monitor (Crimes Stance)

Imagem do Projeto Crimes Monitor

Angular 20+, BERT (NLP), Chart.js, PrimeNG, Tailwind CSS, GitHub Actions

Plataforma avançada de inteligência em segurança pública que utiliza IA (BERT) para analisar o sentimento social e detectar operações policiais via comentários do YouTube. Baseado em pesquisas científicas publicadas na BraSNAM (2024), WebMedia (2025) e ACM WebSci (2026).

Valida SST

Imagem do Projeto Valida SST

Next.js 15, TypeScript, React 19, Tailwind CSS v4, Radix UI, Clerk, PostgreSQL, Drizzle ORM, AWS S3, Upstash Redis

Plataforma moderna para gestão e validação de documentos de Saúde e Segurança do Trabalho (SST), desenvolvida no âmbito da Overzone. Oferece funcionalidades de upload, dashboard, relatórios e assinatura digital segura com certificados A1.

Fluxar

Imagem do Projeto Fluxar

Next.js 15, Python (Django DRF), PostgreSQL, Docker, TypeScript, Tailwind CSS 4, Radix UI

Ecossistema SaaS de gerenciamento de finanças pessoais. Oferece controle total sobre patrimônio, fluxo de caixa e metas financeiras, com suporte a múltiplos bancos, cartões de crédito e relatórios avançados.

ImoGOAT (Em Desenvolvimento)

Imagem do Projeto ImoGOAT

Next.js, TypeScript, Tailwind CSS, Docker

Plataforma focada em divulgação de vagas e aluguel de imóveis na região de Picos, oferecendo um serviço otimizado para conectar locatários e proprietários. Visando excelência e agilidade no mercado imobiliário.

Sistema de Gestão de Conteúdo (Em Desenvolvimento)

Imagem Ilustrativa de Gestão de Conteúdo

Next.js, TypeScript, Tailwind CSS, Docker, Python (FastAPI, SQLAlchemy), PostgreSQL

Desenvolvimento de um sistema web completo para gestão de conteúdo, utilizando arquitetura moderna com foco em performance e segurança. Projeto em andamento, sob acordo de confidencialidade.

Ingresso Express (Projeto Descontinuado)

laptop_mac

Estudo de Caso de Desenvolvimento Web

React, TypeScript, Tailwind CSS, Node.js, PostgreSQL

Atuação como Desenvolvedor Front-end, contribuindo para a construção de interfaces e APIs com foco na experiência do usuário para uma aplicação de compra de cupons de desconto. Este projeto me proporcionou vivência em metodologias ágeis e boas práticas de código.

2026

Socio-Technical Constraints and Cross-Platform Model Generalization: Text Classification in Brazilian Public Security

Autores: Saul Sousa da Rocha, Carlos Henrique do Vale e Silva, Mateus José da Silva, Jose Rodrigues Torres Neto, Carlos H. G. Ferreira, Glauber Dias Gonçalves

Publicado em: Proceedings of the 18th ACM Web Science Conference (WebSci '26), 2026.

Aceito na prestigiada ACM WebSci '26 (Alemanha) — conferência de altíssimo nível com taxa de aceitação de 32,1% — este trabalho aborda um pilar central da computação moderna: como a arquitetura socio-técnica das plataformas influencia a eficácia da IA em contextos reais. Focando na segurança pública brasileira, revelamos como o design das interfaces molda a generalização de modelos entre X (Twitter) e YouTube, utilizando uma estratégia pioneira de anotação híbrida.

Tecnologias: Python, NLP (Stance Detection), BERTimbau, LLMs, Cross-Platform Analysis.

Ver Artigo (DOI)
2025

Uso de Características Temporais e Semânticas para Detectar Eventos em Vídeos de Violência Urbana

Autores: Saul Sousa da Rocha, Carlos Henrique do Vale e Silva, Mateus José da Silva, Jose Rodrigues Torres Neto, Carlos Henrique G. Ferreira, Glauber Dias Gonçalves

Publicado em: Proceedings of the 31st Brazilian Symposium on Multimedia and the Web (WebMedia), 2025.

Este trabalho propõe heurísticas não supervisionadas para agrupar vídeos do YouTube sobre violência urbana, identificando eventos por meio de características temporais e Reconhecimento de Entidades Nomeadas (NER). A abordagem utiliza grafos de similaridade e atributos semânticos para superar modelos genéricos como o GPT-4 em cenários de agrupamento em larga escala, alcançando acurácia de até 0,90. É uma solução eficiente para aplicações de investigação, verificação de fatos e construção de arquivos históricos.

Tecnologias: Python, NLP (NER), Grafos de Similaridade, LLMs (GPT-4), Metadados Temporais.

Ver Artigo (DOI)
2024

Monitorando a Opinião Pública sobre Operações Policiais no Brasil via Comentários de Vídeos no YouTube

Autores: Saul Sousa da Rocha, Carlos Henrique do Vale e Silva, Carlos H. G. Ferreira, Glauber Dias Gonçalves, Jussara Marques de Almeida

Publicado em: Brazilian Workshop on Social Network Analysis and Mining (BraSNAM), Sociedade Brasileira de Computação (SBC), 2024.

Neste trabalho, propomos um sistema para monitorar a percepção pública sobre operações policiais no Brasil utilizando comentários de usuários do YouTube. Exploramos atributos desses comentários e modelos de Processamento de Linguagem Natural (PLN) para inferir posicionamentos de aprovação, desaprovação e neutralidade. Nossos melhores modelos alcançaram acurácia e F1-macro superiores a 87% e demonstram boa capacidade de generalização para outras plataformas como Twitter/X. Os resultados revelam períodos com posicionamentos dominantes e a identificação de desaprovações em granularidade regional.

Tecnologias: Python, LLMs (GPT), BERT (Multilingual, BERTimbau), NLTK, Random Forest, SVM.

Ver Artigo (DOI)

Sobre Mim

Olá! Sou Carlos Henrique do Vale e Silva, um desenvolvedor movido pela interseção entre Engenharia de Software de elite e Inteligência Artificial aplicada. Com um perfil analítico e orientado a resultados, busco transformar desafios complexos em soluções escaláveis e inteligentes.

Minha experiência prática é consolidada no desenvolvimento de ecossistemas SaaS como o Valida SST e o Fluxar, utilizando stacks modernas como Next.js, Python/Django e Docker. Paralelamente, atuo como Pesquisador em Aprendizagem de Máquina e PLN, com foco em extração de conhecimento e análise de dados ruidosos. Minha produção acadêmica conta com publicações em congressos renomados como BraSNAM (2024), WebMedia (2025) e ACM WebSci (2026).

Essa combinação entre rigor acadêmico e agilidade de mercado me equipou com uma capacidade única de resolução de problemas e visão crítica de arquitetura. Atuei também como Monitor de Banco de Dados II na UFPI, aprofundando meu domínio em PostgreSQL e otimização de dados. Meu objetivo é contribuir para projetos que exijam alta performance técnica e o uso estratégico de modelos de IA para gerar valor real.

carlosvale@portfolio: ~/dev-skills
carlosvale@portfolio:~$ ./list_skills.py --category ALL
SNAKE_GAME.EXE
Score: 0 High Score: 0

Use as Setas para mover | ESC para sair

Entre em Contato

Interessado em colaborar ou apenas trocar uma ideia? Sinta-se à vontade para me contatar!