Goh Kun Ming

Pocket Edition
Pesquisa em IA · Estudante de IA aplicada e análise de dados
Entrar no mundoVer projetosCooperação e colaboração
ContatoO End

Explore pela barra de atalhos ou pelo Menu. Teclado: 1–9 · M para minerar.

Informações do site

Perfil do jogador

Avatar de Minecraft de Kun Ming

Sou Kun Ming, estudante do terceiro ano de Applied AI & Analytics na Singapore Polytechnic, com experiência de estágio na RSAF RAiD. Exploro sistemas inteligentes, segurança e governança de IA e computação quântica, e aspiro a uma carreira em pesquisa de IA e no meio acadêmico.

ClassePesquisa em IA
EstudosIA aplicada e análise de dados · 3º ano
Ponto de origemSingapura
FocoIA · Dados · Computação quântica · Nuvem
Por que Minecraft?
Retrato de Goh Kun Ming

Minecraft faz parte da minha história: no 2º ano, meus amigos da faculdade e eu administramos um servidor juntos. Este mundo traz essa mesma curiosidade, criatividade e vontade de construir em equipe aos meus projetos e pesquisas.

Ver trajetória

Minha bússola

Meus pilares

Educação, Prática e Serviço se apoiam na Investigação Acadêmica e sustentam o Avanço do Conhecimento.

Selecione um pilar ou uma ramificação para ler sua filosofia.

Avanço do Conhecimento

Objetivo

Ampliação disciplinada e cumulativa da compreensão humana por meio da investigação, da aplicação e da reflexão.

O conhecimento não avança apenas pela novidade, nem pela acumulação sem discernimento. Ele avança por meio do refinamento paciente das perguntas, da correção dos erros e da ampliação cuidadosa da compreensão para além de seus limites originais. Ampliar o conhecimento é esclarecer o que é obscuro, testar o que é presumido e tornar o incerto mais inteligível. O avanço do conhecimento, portanto, não é meramente produtivo: também é corretivo, cumulativo e responsável perante a verdade.

Educação

Meus pilares

Formação do intelecto por meio da aprendizagem e do ensino em uma parceria disciplinada.

A educação não trata da mera transmissão de informações, mas da formação da própria mente. Busca cultivar hábitos de precisão, coerência e atenção disciplinada. A verdadeira educação fortalece o julgamento, aprimora o discernimento e desenvolve a capacidade de lidar com a complexidade sem precipitação. Seu objetivo não é a acumulação, mas a formação do caráter intelectual.

Ensino

Cultivo ordenado do pensamento disciplinado por meio de uma instrução responsável.

Ensinar é uma grande responsabilidade: estruturar o conhecimento para que possa ser compreendido sem distorções. Exige clareza na exposição, fidelidade à verdade e moderação na especulação. A tarefa de quem ensina não é impressionar, mas esclarecer e disciplinar o pensamento para que ele possa se sustentar de forma independente.

Aprendizagem

Ampliação contínua da profundidade, do julgamento e da maturidade intelectual.

Aprender é expandir deliberadamente o próprio horizonte intelectual. Isso exige esforço contínuo, contato com a dificuldade e abertura à correção. Aprender bem é suportar a incerteza sem recuar e aprimorar a própria compreensão por meio da revisão e da reflexão.

Educação

Ensino

Educação

Cultivo ordenado do pensamento disciplinado por meio de uma instrução responsável.

Ensinar é uma grande responsabilidade: estruturar o conhecimento para que possa ser compreendido sem distorções. Exige clareza na exposição, fidelidade à verdade e moderação na especulação. A tarefa de quem ensina não é impressionar, mas esclarecer e disciplinar o pensamento para que ele possa se sustentar de forma independente.

Aprendizagem

Educação

Ampliação contínua da profundidade, do julgamento e da maturidade intelectual.

Aprender é expandir deliberadamente o próprio horizonte intelectual. Isso exige esforço contínuo, contato com a dificuldade e abertura à correção. Aprender bem é suportar a incerteza sem recuar e aprimorar a própria compreensão por meio da revisão e da reflexão.

Prática

Meus pilares

Transformação disciplinada da investigação em pesquisa e execução ordenada.

A prática garante que a investigação não permaneça abstrata ou desvinculada de suas consequências. Ela liga a teoria ao exame e a compreensão à responsabilidade. As ideias só adquirem autoridade quando são confrontadas com as evidências e colocadas em prática com precisão. A prática, portanto, disciplina a especulação e faz com que o conhecimento responda à realidade.

Pesquisa

Investigação sistemática voltada à ampliação responsável do conhecimento.

A pesquisa é a busca estruturada de respostas para perguntas ainda não resolvidas. Exige clareza na formulação, transparência no método e honestidade na interpretação. Amplia a compreensão não por afirmações, mas por evidências obtidas com disciplina e raciocínio cuidadoso. Sua legitimidade se apoia no rigor e na integridade intelectual.

Implementação

Aplicação prudente do conhecimento em sistemas estruturados e operacionais.

A implementação é a materialização ordenada do conhecimento em sistemas que funcionam no mundo. Exige habilidade técnica orientada pela prudência. A aplicação sem reflexão é imprudente; a reflexão sem aplicação é estéril. A integridade do conhecimento é preservada quando o julgamento disciplina a execução.

Projetos

Pesquisa

Prática

Investigação sistemática voltada à ampliação responsável do conhecimento.

A pesquisa é a busca estruturada de respostas para perguntas ainda não resolvidas. Exige clareza na formulação, transparência no método e honestidade na interpretação. Amplia a compreensão não por afirmações, mas por evidências obtidas com disciplina e raciocínio cuidadoso. Sua legitimidade se apoia no rigor e na integridade intelectual.

Implementação

Prática

Aplicação prudente do conhecimento em sistemas estruturados e operacionais.

A implementação é a materialização ordenada do conhecimento em sistemas que funcionam no mundo. Exige habilidade técnica orientada pela prudência. A aplicação sem reflexão é imprudente; a reflexão sem aplicação é estéril. A integridade do conhecimento é preservada quando o julgamento disciplina a execução.

Serviço

Meus pilares

Extensão responsável do conhecimento em favor do bem institucional e social.

O serviço reconhece que o conhecimento traz obrigações. A atividade acadêmica é sustentada por instituições, comunidades e tradições; por isso, deve devolver a elas o fruto de seu trabalho. O serviço não dilui a seriedade intelectual, mas a estende à responsabilidade compartilhada. O conhecimento isolado da responsabilidade se torna estéril; voltado ao bem comum, amadurece em significado.

Impacto

Consequência ponderada e construtiva do pensamento disciplinado.

O impacto não é espetáculo nem mera visibilidade. É o efeito demonstrável e construtivo do pensamento aplicado com integridade. O verdadeiro impacto não se mede pelos aplausos, mas pela melhoria duradoura dos sistemas, das instituições e da compreensão.

Engajamento

Participação ativa na vida intelectual e cívica das instituições e das comunidades.

O engajamento é a participação na vida comum da atividade acadêmica e da sociedade. Inclui colaboração, mentoria, contribuição institucional e raciocínio público. O conhecimento cresce em comunidade: é aprimorado pelo diálogo e sustentado pelo esforço compartilhado.

Voluntariado

Impacto

Serviço

Consequência ponderada e construtiva do pensamento disciplinado.

O impacto não é espetáculo nem mera visibilidade. É o efeito demonstrável e construtivo do pensamento aplicado com integridade. O verdadeiro impacto não se mede pelos aplausos, mas pela melhoria duradoura dos sistemas, das instituições e da compreensão.

Engajamento

Serviço

Participação ativa na vida intelectual e cívica das instituições e das comunidades.

O engajamento é a participação na vida comum da atividade acadêmica e da sociedade. Inclui colaboração, mentoria, contribuição institucional e raciocínio público. O conhecimento cresce em comunidade: é aprimorado pelo diálogo e sustentado pelo esforço compartilhado.

Investigação Acadêmica

Fundamento

Busca independente e disciplinada da verdade por meio de uma investigação rigorosa e ordenada.

A investigação acadêmica começa com a independência intelectual e a recusa em submeter o próprio julgamento à autoridade, ao hábito ou à conveniência. Ela se sustenta em um método disciplinado, é guiada pela clareza de raciocínio e é delimitada pela responsabilidade ética. Investigar exige mais do que curiosidade: requer estrutura, paciência e coragem para revisar as próprias conclusões. Seu objetivo não é persuadir, mas compreender. Sem investigação, o conhecimento se cristaliza. Com ela, a compreensão se aprofunda e amadurece.

O que me orienta

Quero entender como a IA se comporta, por que se comporta dessa forma e o que a torna confiável, interpretável e responsável em seu uso. Transparência, responsabilização e justiça são importantes para mim. Aprendo fazendo perguntas, testando ideias e examinando as evidências com atenção.

Aonde quero chegar

Meu objetivo de longo prazo é uma carreira em pesquisa de IA e no meio acadêmico: realizar pesquisas e, futuramente, ensinar e orientar novos pesquisadores. Também valorizo as amizades, o tempo com a família e o equilíbrio que me ajudam a manter os pés no chão.

Encantamentos

Espaço do inventário 1: Python e SQL Código

Programação · Transformar dados brutos em ferramentas reutilizáveis com Python, SQL e estruturas de dados claras.

Espaço do inventário 2: Ciência de dados e estatística Dados

Análise de dados · Usar pandas, NumPy e estatística para limpar dados, explorar padrões, criar atributos e avaliar modelos.

Espaço do inventário 3: Aprendizado de máquina e profundo IA

Inteligência artificial · Comparar modelos scikit-learn e redes neurais para classificação, regressão e visão computacional com TensorFlow e PyTorch.

Espaço do inventário 4: IA generativa IA gen.

Inteligência artificial · Criar assistentes com geração aumentada por recuperação usando Amazon Bedrock e explorar GANs e VAEs para gerar caracteres manuscritos.

Espaço do inventário 5: IA agêntica e RAG RAG

Inteligência artificial · Cursos de LangChain e LangGraph, além de recuperação fundamentada em fontes e com estado de conversa no guia de IA deste portfólio.

Espaço do inventário 6: Engenharia de dados e BI Dados

Análise de dados · Criar pipelines de dados com Python, SQL e PySpark e comunicar os resultados com Dash, Power BI e Tableau.

Espaço do inventário 7: Computação quântica QML

Pesquisa · Simulações com Qiskit e experimentos com modelos generativos híbridos quântico-clássicos.

Espaço do inventário 8: Web e APIs Web

Desenvolvimento · Conectar modelos a aplicações utilizáveis por meio de Flask, FastAPI e React.

Espaço do inventário 9: Nuvem e MLOps Ops

Infraestrutura · Docker, AWS, Git e fluxos reproduzíveis de testes e implantação de modelos.

Espaço do inventário 10: IA responsável Ética

Governança · Considerar a privacidade dos dados, os limites da avaliação e a supervisão humana junto com o desempenho do modelo.

I–X são espaços do inventário. As barras indicam as ferramentas equipadas.
Selecione um encantamento para ver os detalhes.

Baú — Meus projetos

Explore todos os projetos listados no LinkedIn, de trabalhos acadêmicos a pesquisas.

Exibindo 48 de 48 projetos
Abra um projeto para conhecer a ideia, a implementação e sua fonte.
Ver missões cooperativas

Notas do projeto

Dados · Plataforma de pesquisa

Policy Intelligence

mar. de 2025 – Atualidade

Dados históricos conectados para uma exploração criteriosa.

Uma plataforma reproduzível para segurança histórica e pesquisa de políticas públicas, combinando pipelines de dados, aprendizado de máquina, análise geoespacial, visualizações de gráficos e recuperação protegida. Um back-end FastAPI e um painel React oferecem suporte à exploração agregada. O projeto relata associações em vez de efeitos causais de políticas, e não reivindica a qualidade do modelo sem os dados licenciados e os resultados fixados.

  • FastAPI
  • React
  • Engenharia de dados
  • RAG

Por dentro deste projeto

  • Construiu um painel 1996–2021 por país e ano conectando resultados de incidentes com indicadores de governança.
  • Implementou rótulos adaptativos de gravidade de vítimas com clustering e regras determinísticas de fallback.
  • Logistic Regression, Random Forest e Extra Trees configurados em pré-processamento compartilhado e rastreamento de experimentos.
  • Cadernos de pesquisa 12 de autoria cobrindo qualidade de dados, previsão, modelos, gráficos, recuperação e monitoramento.
  • Adicionadas respostas e proteções API limitadas que restringem o uso à pesquisa agregada histórica.

Código-fonte e links

Código-fonte Ler no LinkedIn

Notas do projeto

Pesquisa · Projeto público

Cross-Site RF Drone Detection and Classification

mai. de 2026 – ago. de 2026

Pesquisa sobre classificação por radiofrequência entre locais distintos, com limites de avaliação documentados e sem alegação de implantação.

Um estudo de pesquisa que examina se os classificadores de drones de radiofrequência se generalizam em locais de coleta. Ele compara representações de sinais e separa a detecção de drones da classificação de identidade conhecida. A avaliação relatada não atendeu a todos os critérios de aceitação entre locais, portanto, o desempenho independente da localização, a prontidão para publicação e a implantação não são reivindicados.

Por dentro deste projeto

  • Capturas ativas 1,253 auditadas em quatro locais e sessões inválidas colocadas em quarentena.
  • Capturas convertidas em janelas de sinal consistentes e representações PSD/STFT.
  • Avaliação de site retido pré-registrado, limites e critérios de aceitação sem ajuste no site retido.
  • PSD comparado, STFT e representações combinadas com estimativas de incerteza agrupadas.
  • Avaliamos separadamente os casos de identidade conhecida e de identidade desconhecida.
  • Critérios de aceitação falhados documentados e limites de implantação e generalização.

Código-fonte e links

Ler no LinkedIn

Notas do projeto

Pesquisa · Projeto público

Multi-Modal Low-Altitude Drone Detection and Digital Twin

abr. de 2026 – ago. de 2026

Pesquisa em detecção com câmeras de eventos e desenvolvimento de interfaces de sensores; o registro público distingue experimentos offline da prontidão de um sistema em operação.

Um estudo de detecção de câmera de evento juntamente com integração de evento, térmica e interface de sensor RF e um detector RGB separado. Os resultados do modelo relatado se aplicam ao ramo de câmeras de eventos off-line; os outros sensores não foram entradas de fusão aprendidas. A prontidão da câmera ao vivo e um sistema operacional fundido não foram estabelecidos.

Por dentro deste projeto

  • Integração de três interfaces de sensores e entradas, saídas e limitações de handover do modelo documentadas.
  • Sequências 231 FRED convertidas em quadros de pilha de eventos causais 630,340 com divisões separadas por sequência.
  • Anotações auditadas, imagens, caixas projetadas e blocos antes da avaliação.
  • Comparações de execuções de treinamento YOLO e RF-DETR e configurações de imagem costurada.
  • Selecionou um ponto operacional que trocou alguma precisão de detecção por menos falsos positivos.
  • Tempo GPU off-line documentado, limitações do filtro de chuva e falta de validação do sistema ativo.

Código-fonte e links

Ler no LinkedIn

Notas do projeto

Pesquisa · Projeto público

Satellite-to-Simulation Data Pipeline

abr. de 2026 – ago. de 2026

Um pipeline de pesquisa para harmonizar anotações de imagens, rastrear a proveniência e verificar a qualidade de dados de segmentação.

Um pipeline governado de imagens de satélite que converte anotações heterogêneas em segmentação, classificação e saídas de contexto. O trabalho combina mapeamento de rótulos consistente, recursos derivados de geometria e verificações de qualidade rastreáveis para preparar dados para pesquisas relacionadas a simulação.

Por dentro deste projeto

  • Raster harmonizado, anotações COCO, XML, TXT e GeoJSON sem aceitar silenciosamente rótulos ambíguos.
  • Amostras de segmentação 13,487 preparadas e linhas de classificação 56,096 nas raízes do conjunto de dados 14.
  • Padronizado um plano de fundo e classes de primeiro plano 19.
  • Componentes de geometria derivados, arestas de topologia e recursos de contexto.
  • Produziu registros de proveniência, inventários estruturados, relatórios de etapas e 117 prévias visuais de QA.
  • Verificou o alinhamento da máscara de imagem e o vazamento de imagens duplicadas, com dados ilegíveis colocados em quarentena.

Código-fonte e links

Ler no LinkedIn

Notas do projeto

Pesquisa · Projeto público

Tri-Modal Runway Inspection and Abnormality Detection

abr. de 2026 – ago. de 2026

Um estudo de inspeção simulada que compara estratégias de sensores e fusão de dados, com limitações explícitas para uso operacional.

Um estudo simulado de inspeção de pista comparando estratégias de detecção e fusão RGB, térmica e LiDAR. As amostras UE5/AirSim suportam experimentos reproduzíveis e revisão de procedência. Os diagnósticos de pré-auditoria relatados expuseram falhas de detecção, de modo que o trabalho é apresentado como um estudo de pesquisa e não como um sistema de inspeção implantável.

Por dentro deste projeto

  • Amostras simuladas 1,442 capturadas em condições 14 com anotações de rachaduras e buracos.
  • Manteve as saídas térmicas baseadas em modelo distinguíveis das detecções derivadas de regras.
  • Estratégias de fusão de sensor único, par e tri-sensor comparadas.
  • Treinamento separado e sequências mantidas, com ajuste restrito aos dados de treinamento.
  • Incerteza estimada com análise de bootstrap agrupada em sequência.
  • Rastreou artefatos brutos e decisões de roteamento, enquanto registrava os limites revelados pela avaliação.

Código-fonte e links

Ler no LinkedIn

Notas do projeto

IA · Projeto público

YOLO Leaf Object Detection Pipeline

jul. de 2026

Preparação e validação de um conjunto de dados para detecção de folhas; dados preparados não comprovam o desempenho de um detector treinado.

Um fluxo reproduzível de detecção de folhas que combina PlantVillage, PlantDoc e exemplos negativos difíceis gerados. Prepara e valida os dados, configura o treinamento YOLO e fornece pontos de integração para exportação e inferência no navegador. O material versionado não inclui pesos treinados nem resultados em dados reservados que comprovem precisão, latência ou prontidão para produção.

Por dentro deste projeto

  • Preparei imagens 57,164 e caixas 63,225 em treinamento determinístico, validação e divisões de teste.
  • Anotações Pascal VOC convertidas em coordenadas YOLO normalizadas.
  • Nomes de arquivos resistentes a colisões gerados em conjuntos de dados de origem.
  • Pares de rótulos de imagem validados, IDs de classe, coordenadas e vazamento dividido antes do treinamento.
  • Configurou três candidatos YOLO, um fluxo limitado de teste básico de treinamento e pontos de integração para exportação ONNX.
  • Manteve os testes da ferramenta de conjunto de dados separados da preparação de dados externos e do treinamento GPU.

Código-fonte e links

Código-fonte Ler no LinkedIn

Notas do projeto

Segurança · Projeto público

Sentinel Endpoint Framework (SEF)

jun. de 2025 – jun. de 2026

Um monitor local de endpoints com verificações de chave física, controles por PIN, registros de auditoria e recuperação controlada pelo usuário.

Um monitor de endpoint local baseado em Rust e um painel de controle usando presença de chave física, controles protegidos por PIN e registros de auditoria. Ele suporta manutenção reversível e recuperação controlada pelo usuário, com um fallback Python durante a migração. Os módulos de proteção avançada permanecem como designs de visualização além do watchdog do modo de usuário implementado.

Por dentro deste projeto

  • Implementação de pesquisa de presença de chave, períodos de carência e solicitações de bloqueio à prova de falhas.
  • Adicionada verificação PIN com sal, sessões curtas de autorização e recuperação de bloqueio que requer a chave física.
  • Crie um painel de host local para registro de chaves confiáveis, estado de proteção e controles de manutenção.
  • Transições de chave registradas, alterações de configuração, eventos de autorização e recuperação.
  • Controles de inicialização reversíveis do Windows empacotados e estado de política limitado de longa duração.
  • Separei sete famílias de controle de visualização dos recursos implementados por meio de um modelo de ameaça explícito.

Código-fonte e links

Código-fonte Ler no LinkedIn

Notas do projeto

IA · Protótipo full stack

VeggieAI

jan. de 2026 – fev. de 2026

Visão computacional em uma aplicação web útil.

VeggieAI conecta classificação de imagens de vegetais com pesquisa de preços, histórico autenticado e orientação de conversação. Um aplicativo da web Flask usa um serviço de modelo separado baseado em registro. Dois pacotes de modelos reprodutíveis e carregáveis estão documentados, enquanto as reivindicações de precisão e latência mantidas permanecem sem suporte por artefatos de treinamento e avaliação versionados.

  • Python
  • Flask
  • Visão computacional
  • Docker

Por dentro deste projeto

  • Separou o aplicativo Web e o serviço de inferência em uma pilha de contêineres de duas imagens.
  • Definiu contratos modelo distintos de quatro e cinco rótulos com pré-processamento específico do modelo.
  • Manifestos, rótulos, caminhos de pacotes e somas de verificação validados antes de servir.
  • Formas de imagem, canais e perfis de normalização incompatíveis rejeitados antes da inferência.
  • Testou as interfaces de estado do serviço, metadados e previsão por meio de verificações básicas de funcionamento.
  • Manteve as integrações OpenAI, Roboflow, e-mail e modelo remoto opcionais e configuradas explicitamente.

Código-fonte e links

Código-fonte Ler no LinkedIn

Notas do projeto

Comunidade · Projeto público

RAG-Powered Food Waste Reduction System

out. de 2025 – fev. de 2026

Um conceito de chatbot para reduzir o desperdício de alimentos no campus, desenvolvido com design thinking, informações de vendedores e análise de viabilidade.

FoodBot é um conceito de chatbot de desperdício de alimentos desenvolvido por meio de design thinking, insights de fornecedores e análise de viabilidade. Ele explora orientações de preparação para fornecedores e melhores decisões de descarte para estudantes e funcionários, usando horário, local, padrões de desperdício e contexto do calendário acadêmico. É uma proposta, não um serviço implantado ou um resultado medido de redução de resíduos.

Por dentro deste projeto

  • Analisou padrões de desperdício de alimentos no campus e lacunas operacionais nas abordagens existentes.
  • Fornecedores, produtos de limpeza e consumidores considerados ao enquadrar o problema no nível do sistema.
  • Aplicou o modelo S.P.I.C.E. para investigar os fatores que influenciam o comportamento.
  • Personas desenvolvidas e conceito de interação com chatbot de baixo esforço.
  • Orientações de preparação descritas, instruções de descarte e estímulos comportamentais.
  • Conectou a proposta às metas de consumo responsável e sustentabilidade do campus.

Código-fonte e links

Ler no LinkedIn

Notas do projeto

Dados · Painel de projeto acadêmico

Student Risk Analytics

jan. de 2026 – fev. de 2026

Facilitando a compreensão dos padrões entre turmas.

Um aplicativo Dash interativo que explora o desempenho, a frequência, as pesquisas e os padrões de coorte dos alunos. Ele combina dados de origem em instantâneos do último semestre e visualizações de revisão transparentes. GPA configurável e limites de atendimento fornecem heurísticas de suporte à decisão não diagnósticas; eles não estabelecem fatores de risco causais ou intervenções eficazes.

  • Python
  • Dash
  • Estatística
  • Visualização

Por dentro deste projeto

  • Mesclou perfis de alunos, resultados, pesquisas e códigos de cursos e unificou os rótulos de período para filtragem.
  • Criou instantâneos do último semestre e três níveis de revisão configuráveis.
  • Construímos visualizações de coorte, tendência, fluxo de risco, fator de suporte e prioridade.
  • Filtros e limites expostos para que os revisores possam inspecionar como os agrupamentos mudam.
  • Verificou contratos de pasta de trabalho, sobreposição de identificadores, dados ausentes e duplicatas.
  • Configuração de aplicativo reproduzível documentada e auxiliares analíticos validados.

Código-fonte e links

Código-fonte Ler no LinkedIn Apresentação em PowerPoint

Notas do projeto

IA · Projeto público

Trip Safety Prediction System

jan. de 2026 – fev. de 2026

Uma aplicação offline de classificação de viagens que distingue previsões em lote baseadas em modelos de resultados heurísticos para registros individuais.

Um aplicativo offline do Windows que converte registros de sensores de veículos em classes de segurança de nível de viagem usando um pipeline de árvore de decisão agrupado. As previsões em lote usam um contrato de recurso definido, enquanto as saídas de registro único são claramente rotuladas como substitutos heurísticos. A inferência reproduzível é demonstrada; a qualidade preditiva mantida não é estabelecida pelo material disponível no repositório.

Por dentro deste projeto

  • Marcadores de valor ausente validados, precisão GPS, rolamentos e campos numéricos obrigatórios.
  • Recursos derivados de nível de viagem do 19 que abrangem duração, movimento, velocidade e qualidade do sensor.
  • Produziu saídas em lote SAFE ou DANGEROUS baseadas em modelo com rótulos de fonte de inferência.
  • Agregação de viagem completa separada do modo heurístico de registro único.
  • Empacotou o modelo e os ativos de interface em um executável do Windows.
  • Verifiquei limpeza, agregação, persistência, fluxos de desktop e inferência de pacotes através de testes automatizados.

Código-fonte e links

Código-fonte Ler no LinkedIn

Notas do projeto

Dados · Projeto público

Wage Modelling & Regression Analysis

out. de 2025 – fev. de 2026

Um estudo de regressão de uma disciplina que combina derivação analítica, descida do gradiente e verificações de reprodutibilidade.

Um estudo de regressão transparente usando dados salariais e um pequeno exemplo derivado de horas extras. Ele conecta derivação analítica, descida de gradiente do zero, dimensionamento de recursos e verificações cruzadas estatísticas. As melhorias comunicadas dizem respeito à convergência computacional e não à generalização preditiva; o exemplo de dois recursos contém apenas dez linhas derivadas.

Por dentro deste projeto

  • Implementação de modelos de regressão de origem, interceptação e inclinação e de dois recursos em Python.
  • A descrição do projeto no LinkedIn relata a comparação de dez taxas de aprendizado comuns por meio de 20 ajustes determinísticos.
  • A descrição do projeto no LinkedIn relata reduções na convergência de 173 para duas iterações e de 401 para 59, dentro das tolerâncias de erro declaradas.
  • Objetivas ajustadas cruzadas com referências de mínimos quadrados de formato fechado e Minitab.
  • Adicionados testes de reprodutibilidade e proteção com derivações documentadas e fontes de relatórios.

Arquivos do projeto

Os arquivos originais dos projetos estão em inglês.

  • Relatório do projeto

    PDF · 527 kB

    Ver PDF Baixar PDF

Código-fonte e links

Código-fonte Ler no LinkedIn

Notas do projeto

Dados · Projeto público

Driver Safety Analytics Platform

out. de 2025 – dez. de 2025

Um pipeline de dados sobre segurança de motoristas que combina validação, engenharia de atributos, modelagem dimensional e relatórios analíticos.

Um pipeline de engenharia de dados de segurança do driver que move registros de driver, sensor e etiqueta de segurança da preparação MySQL através do processamento Python e PySpark para um armazém de esquema em estrela. Ele prepara dados e artefatos Power BI para análise exploratória, com orquestração segura de linha de comando e verificações off-line, em vez de declarações de escala de produção ou impacto na segurança.

Por dentro deste projeto

  • Dimensões modeladas do motorista e do sensor de viagem vinculadas às etiquetas de segurança no nível da reserva.
  • Padronização de esquema aplicada, desduplicação, tratamento de valores ausentes e validação baseada em regras.
  • Magnitude de aceleração derivada, jerk, agregados por viagem e indicadores de comportamento.
  • Implementado diagnóstico de reconstrução IQR e PCA para registros incomuns de sensores.
  • Adicionada validação de ambiente, simulações e acesso opcional ao banco de dados em tempo real.
  • Notebooks preservados, artefatos e arquitetura SQL, Power BI, documentação de privacidade e operações.

Código-fonte e links

Código-fonte Ler no LinkedIn Relatório escrito Apresentação em PowerPoint Relatório do projeto

Notas do projeto

Dados · Painel de projeto acadêmico

HDB Resale Explorer

out. de 2025 – dez. de 2025

Explorando os dados por trás de um lar em Singapura.

Um pipeline de análise de mercado pronto para Tableau que explora a acessibilidade de revenda, o valor e as compensações de localização da HDB de Cingapura. Limpeza reproduzível e enriquecimento geoespacial alimentam conjuntos de dados validados e um painel empacotado. As medidas de mercado mantêm os seus períodos de tempo declarados, mantendo as mudanças anuais distintas do crescimento a longo prazo.

  • Python
  • Limpeza de dados
  • Painéis
  • Singapura

Por dentro deste projeto

  • Etiquetas padronizadas de cidade, rua, tipo de apartamento, andar, modelo e locação.
  • Foram corrigidas anomalias documentadas na área útil e removidos registros duplicados.
  • Conjuntos de dados canônicos e enriquecidos validados contendo linhas 202,461 e 216,695.
  • Campos derivados de preço por área, arrendamento, período de transação e contexto de localização.
  • Criei uma pasta de trabalho do Tableau para comparações entre cidades, tipos de apartamentos e necessidades domésticas.
  • Cadernos preservados, metodologia, notas de fontes de dados, relatórios e artefatos de apresentação.

Arquivos do projeto

Os arquivos originais dos projetos estão em inglês.

  • Apresentação original do trabalho acadêmico

    PDF · 2.8 MB

    Ver PDF Baixar PDF

Código-fonte e links

Código-fonte Ler no LinkedIn Apresentação em PowerPoint Relatório escrito

Notas do projeto

IA · Projeto público

Multimodal Property Price Prediction System

out. de 2025 – dez. de 2025

Um protótipo de avaliação imobiliária que combina anúncios estruturados com sinais opcionais de texto e imagem, com avaliação delimitada dos componentes.

EstateScope AI é um protótipo de avaliação de propriedade US baseado em Flask que combina listagens estruturadas com descrição opcional e sinais de imagem. Ele suporta histórico de previsões, interfaces analíticas, chat habitacional e governança de modelo. O componente de texto tem uma avaliação limitada e sustentada, enquanto evidências comparáveis de melhoria multimodal ou precisão de produção não são estabelecidas.

Por dentro deste projeto

  • Preparamos conjuntos de treinamento, validação e teste de texto separados por vazamento.
  • Avaliado o componente de texto em exemplos retidos de 1,517 com um artefato de modelo fixado.
  • Estimativas expostas por modalidade e média apenas dos insumos disponíveis na inferência.
  • Checksums de modelo comprometidos verificados, carregamento e compatibilidade.
  • Interfaces de tendência e distribuição limitadas criadas com histórico autenticado.
  • Promoção de modelo documentada, reversão, integridade do contêiner e falta de evidências de avaliação multimodal.

Código-fonte e links

Código-fonte Ler no LinkedIn

Notas do projeto

Criação · Projeto público

Data Storytelling on AR Gaming Pilot with Current Affairs Insights

jul. de 2025 – ago. de 2025

Painéis no Power BI e uma apresentação em equipe que usam informações demográficas e sobre jogos para discutir locais de um projeto-piloto.

Uma história de dados Power BI e uma apresentação da equipe propondo locais para um piloto de jogo de realidade aumentada. Informações demográficas, de acessibilidade e de jogos informam a recomendação, com Objetivos de Desenvolvimento Sustentável selecionados incluídos como contexto do curso.

Por dentro deste projeto

  • Desenvolvi uma história de dados persuasiva a partir de uma análise anterior.
  • Painéis Power BI refinados, dicas visuais e fluxo narrativo.
  • Evidências demográficas, de acessibilidade e de comportamento de jogo comparadas para Catch & Go.
  • Fiz uma apresentação da equipe de 15 minutos e respondi às perguntas das partes interessadas.
  • Locais piloto recomendados em Singapura e conectou a proposta com os Objetivos de Desenvolvimento Sustentável selecionados.

Código-fonte e links

Ler no LinkedIn

Notas do projeto

Criação · Projeto público

Diploma in Applied AI & Analytics Promotion Video

jul. de 2025 – ago. de 2025

Um vídeo de divulgação do diploma que explora a narrativa voltada ao público, a escolha de plataformas e a criação responsável de conteúdo digital.

Um pequeno vídeo promocional apresentando o Diploma em AI Aplicado e Análise para públicos com idade 16–21. O projeto combina narrativa focada no público, seleção de plataforma e criação responsável de conteúdo digital.

Por dentro deste projeto

  • Produziu um vídeo apresentando o diploma para um público jovem.
  • Aplicou os frameworks PAC e HoMA para desenvolver a história e abrir ganchos.
  • Avaliamos plataformas de mídia social para o público-alvo.
  • Considerados direitos autorais, atribuição e uso responsável da ferramenta AI.
  • Explicou as escolhas criativas, a abordagem de divulgação e a ética digital em uma sessão de perguntas e respostas.

Código-fonte e links

Assistir ao vídeo do projeto Ler no LinkedIn

Notas do projeto

IA · Experimento em notebook

Handwritten Character Lab

jul. de 2025 – ago. de 2025

Comparando as formas de criação das redes neurais.

Um laboratório de modelagem generativa para 16 classes selecionadas do EMNIST Letters, preservando os notebooks do trabalho acadêmico e ferramentas Python reutilizáveis. Explora oito famílias de GAN e extensões variacionais ou condicionais. Fornece ferramentas de avaliação, mas os checkpoints e resultados com várias sementes disponíveis no repositório não demonstram um modelo vencedor.

  • Aprendizado profundo
  • GANs
  • EMNIST
  • Avaliação

Por dentro deste projeto

  • Entradas consistentes em escala de cinza configuradas, vetores latentes e configurações de experimentos reproduzíveis.
  • Implementou oito famílias GAN juntamente com extensões variacionais e condicionais.
  • Adicionadas ferramentas FID, KID, diversidade, colapso de modo e análise de incorporação.
  • A descrição do projeto no LinkedIn relata a validação das contagens de amostras, dos valores finitos, das dimensões e da estrutura de covariância antes do cálculo das métricas.
  • Limitações documentadas de extratores de recursos de imagem natural para pequenas letras manuscritas.
  • Preservado o caderno original e seções de pesquisa sem saída com pré-processamento e testes de integridade.

Código-fonte e links

Código-fonte Ler no LinkedIn

Notas do projeto

Software · Projeto público

Newspaper Restoration System using Prefix Tries

jul. de 2025 – ago. de 2025

Uma ferramenta de restauração de texto que explora recuperação com curingas, sugestões aproximadas, manutenção de vocabulário e visualização de tries.

Um kit de ferramentas de linha de comando Python explicável para restaurar textos históricos incompletos de jornais. Cada curinga representa um caractere ausente, com pesquisa de prefixo, sugestões de classificação e pesquisa difusa que oferece suporte à recuperação. A inspeção visual e as verificações automatizadas explicam o comportamento sem reivindicar a precisão da restauração medida em um corpus de referência.

Por dentro deste projeto

  • Implementou estratégias exatas de recuperação de curinga, subárvore e distância de edição.
  • Classificou sugestões exatas e difusas de forma determinística.
  • Adicionada edição em lote de prefixos e sufixos com armazenamento de vocabulário persistente.
  • Topologia de teste visualizada, relações de similaridade e estrutura de co-ocorrência.
  • Armazenamento separado, manipulação de arquivos, restauração, gráficos e interação do console em componentes testáveis.
  • Forneceu fluxos de trabalho CLI para edição, pesquisa, processamento em lote, visualização e recuperação.

Código-fonte e links

Código-fonte Ler no LinkedIn

Notas do projeto

IA · Experimento em notebook

Pendulum Learning Lab

jul. de 2025 – ago. de 2025

Aprendendo controle por tentativa, recompensa e avaliação.

Um laboratório de aprendizado por reforço que compara Standard, Double, Dueling e Rainbow DQN no Pendulum-v1. Converte torque contínuo em ações discretas, com componentes reutilizáveis de replay, treinamento, avaliação e ajuste. Os testes básicos locais são separados dos estudos completos; não se afirma superioridade de recompensa ou estabilidade de controle em comparações equivalentes com múltiplas sementes aleatórias.

  • Aprendizado por reforço
  • DQN
  • Python
  • Otimização

Por dentro deste projeto

  • Torque contínuo mapeado para compartimentos de ação discretos para aprendizado baseado em valor.
  • Configurou experimentos com sementes aleatórias definidas, buffers de replay, aquecimento e atualizações da rede-alvo.
  • Adicionadas saídas de distribuição e reprodução priorizadas para Rainbow DQN.
  • Forneceu resumos de recompensas, análises de curva de aprendizado, implementações gananciosas e visualizações de comparação.
  • Separou as execuções limitadas de verificação básica da configuração completa do estudo com 500 episódios.
  • Ferramentas de experimento validadas e integridade do notebook enquanto documentam execuções de múltiplas sementes correspondentes ausentes.

Código-fonte e links

Código-fonte Ler no LinkedIn

Notas do projeto

Criação · Projeto público

AI-Powered Haiku Generator

abr. de 2025 – mai. de 2025

Uma ferramenta de haicais por linha de comando que combina transformações de palavras, geração por cadeias de Markov, verificação de sílabas e narração em áudio opcional.

Uma ferramenta de haicai de linha de comando que combina transformações de palavras, geração Markov com reconhecimento de sílabas e narração opcional. O projeto explora como regras de linguagem explícitas e geração limitada podem produzir um poema 5–7–5 reproduzível.

Por dentro deste projeto

  • Modos de sinônimo, sinônimo mais curto, antônimo e permutação em lote criados com pontuação e tratamento de letras maiúsculas.
  • Implementada geração Markov com reconhecimento de sílaba com novas tentativas e substitutos limitados para a estrutura 5–7–5.
  • Adicionada narração WAV opcional montada a partir de clipes de áudio em nível de palavra.
  • Linhas tokenizadas separadas, indexação de palavras-chave, contagem de sílabas, pesquisa de dicionário de sinônimos, geração de haicais e manipulação de arquivos em seis abstrações.
  • Entrada de linha de comando validada e disponibilidade de arquivo, e testes 16 adicionados com cobertura 54%.
  • Registrou um exemplo determinístico 5–7–5 de um corpus da linha 12; isso demonstra o caminho da geração, e não a qualidade poética geral.

Arquivos do projeto

Os arquivos originais dos projetos estão em inglês.

  • Relatório do projeto

    PDF · 1.1 MB

    Ver PDF Baixar PDF

Código-fonte e links

Código-fonte Ler no LinkedIn

Notas do projeto

IA · Projeto público

CNN Image Classification on Multi-Resolution Vegetable Dataset

abr. de 2025 – mai. de 2025

Uma comparação acadêmica de arquiteturas convolucionais, resoluções de imagem e aumento de dados para classificar vegetais.

Um estudo de classificação de imagens vegetais comparando projetos de redes convolucionais em duas resoluções de imagem e configurações de aumento. Ele combina reparo de conjunto de dados, pré-processamento repetível e avaliação de resultados históricos de experimentos.

Por dentro deste projeto

  • Classes de vegetais 11 comparadas nas entradas em escala de cinza 23×23 e 101×101, com e sem aumento.
  • Nomes de diretórios de validação/teste corrigidos e imagens de cenoura extraviadas usando auxiliares com modo de simulação.
  • Exploramos famílias sequenciais, funcionais, residuais, estilo Inception e CNN separáveis em profundidade.
  • Documentou uma pesquisa sequencial histórica com precisão de validação 0.908 e uma execução separada com precisão de teste de cerca de 94.2%; os resultados não estabelecem um vencedor da arquitetura universal.
  • Adicionados testes 13 em Python 3.11 e 3.12, com ampla cobertura 48%.
  • Contagens divididas de conjuntos de dados registrados e artefatos de reprodutibilidade ausentes, incluindo pesos de modelo e comparações de múltiplas sementes.

Código-fonte e links

Código-fonte Ler no LinkedIn

Notas do projeto

Dados · Projeto público

Location Recommendation for AR Mobile Game Pilot

abr. de 2025 – mai. de 2025

Uma análise no Power BI sobre demografia, acessibilidade e comportamento em jogos para orientar a proposta de um local para um projeto-piloto.

Um projeto de recomendação de localização Power BI para o piloto de jogo de realidade aumentada Funtendo proposto por Catch & Go. A equipe usou informações demográficas, de mobilidade e de jogos para explicar as localizações dos candidatos em Cingapura.

Por dentro deste projeto

  • Conjuntos de dados demográficos, de renda, habitação, mobilidade e jogos combinados em uma análise Power BI.
  • Criou visualizações para comparar acessibilidade, comportamento do jogador e considerações de engajamento.
  • Locais piloto propostos para Singapura usando os padrões identificados no relatório.
  • Resumiu a recomendação numa mensagem chave concisa e numa justificação dos Objectivos de Desenvolvimento Sustentável.
  • Apresentou a análise por meio de um painel de três páginas e narrativa de apoio.

Código-fonte e links

Ler no LinkedIn

Notas do projeto

IA · Projeto público

RNN-based Movie Review Sentiment Analysis

abr. de 2025 – mai. de 2025

Um estudo de resenhas de filmes que compara modelos recorrentes para classificar sentimentos e prever notas, com dados de avaliação separados.

Um estudo bilíngue de revisão de filmes comparando redes recorrentes para classificação de sentimentos e regressão de classificação. O fluxo de trabalho enfatiza o pré-processamento consistente em inglês e malaio, divisões com reconhecimento de vazamentos e avaliação apropriada à tarefa.

Por dentro deste projeto

  • Criou divisões de treinamento, validação e teste 80/10/10 antes de ajustar o fluxo de trabalho de modelagem.
  • Revisões limpas em inglês e malaio por meio de letras minúsculas, tratamento de pontuação, remoção de palavras irrelevantes, lematização, tokenização e preenchimento.
  • Aplicado aumento inicial apenas aos dados de treinamento, expandindo exemplos de classificação de 222 para 888 e exemplos de regressão de 501 para 2,004.
  • Modelos SimpleRNN, LSTM e GRU comparados para sentimento binário e previsão de classificação numérica.
  • Classificação avaliada com exatidão, precisão, recall e F1, e regressão com erro e métricas de ajuste em faixas de classificação sem reivindicar um vencedor de arquitetura.
  • Adicionados testes 22 com cobertura 55% e limpeza documentada de pontuação faltante, duplicata, revisão curta e texto repetido.

Código-fonte e links

Código-fonte Ler no LinkedIn

Notas do projeto

Pesquisa · Projeto público

Research Report on Quantum Computing as Green Technology for AI Model Training

abr. de 2025 – mai. de 2025

Uma discussão baseada na literatura sobre computação quântica, treinamento de IA e sustentabilidade; não se trata de um benchmark medido de eficiência energética.

Um relatório de pesquisa explorando a computação quântica como uma possível tecnologia verde para o treinamento AI. Examina o uso de energia, o custo, os limites técnicos e as opções de adoção por meio de literatura publicada, em vez de um benchmark experimental correspondente à carga de trabalho.

Por dentro deste projeto

  • Literatura revisada sobre computação quântica e clássica para treinamento do modelo AI.
  • Compararam as considerações relatadas sobre energia, infraestrutura e custos juntamente com as limitações técnicas.
  • Oportunidades e riscos organizados por meio de análise SWOT e discussão de impacto ambiental.
  • Conectou o relatório aos ODS 9, 12 e 13.
  • Recomendou investigar a adoção híbrida e baseada em nuvem, ao mesmo tempo em que trata os benefícios da sustentabilidade como questões que exigem evidências comparáveis de carga de trabalho.

Código-fonte e links

Ler no LinkedIn

Notas do projeto

Comunidade · Projeto público

NUS HumanITy Challenge

mar. de 2025 – abr. de 2025

Um desafio de inovação em sustentabilidade que envolve ideias tecnológicas, considerações de risco e desenvolvimento colaborativo de soluções.

Uma experiência de equipe finalista no NUS HumanITy Challenge, uma competição pré-universitária de sustentabilidade. O projeto se concentrou no desenvolvimento de uma resposta baseada em IT e AI para um problema de sustentabilidade do mundo real.

Por dentro deste projeto

  • Desenvolvi ideias de soluções de sustentabilidade utilizando tecnologia da informação e AI.
  • Consideramos os riscos de implementação ao refinar a solução proposta.
  • Colaborou entre disciplinas para apresentar a proposta finalista da equipe.

Código-fonte e links

Ler no LinkedIn

Notas do projeto

Dados · Projeto público

Content Performance Analysis & Strategy Refinement

jan. de 2025 – fev. de 2025

Uma análise exploratória de formatos de campanha, horários de publicação e padrões de engajamento, com gráficos reproduzíveis.

Uma análise observacional do desempenho do conteúdo social, usando dados históricos de postagens para refinar uma estratégia de marketing digital proposta. O projeto separa os padrões de envolvimento medidos das recomendações que não foram testadas numa campanha subsequente.

Por dentro deste projeto

  • Analisou um corpus de postagens 100, comentários 192, reações 689 e visualizações 8,208, com uma revisão focada de sete peças de campanha ao longo dos dias 28.
  • Formatos de conteúdo comparados, postando dias e horários em relação a visualizações, reações e comentários.
  • Usei mapas de calor, gráficos de caixa, gráficos de linhas e comparações agrupadas para explicar padrões de engajamento.
  • Mudanças propostas nas programações de postagem, frases de chamariz, hashtags e conteúdo com base nos dados observados.
  • Adicionados testes de contrato de regressão 14 e verificados nove números reproduzidos para saída idêntica a bytes.
  • Manteve as descobertas em observação; a análise não mede efeitos causais ou aumento pós-campanha.

Código-fonte e links

Código-fonte Ler no LinkedIn

Notas do projeto

IA · Experimento em notebook

Segmentação de clientes

jan. de 2025 – fev. de 2025

Explorando grupos de clientes por meio de agrupamento.

Um fluxo de trabalho de segmentação de clientes que compara abordagens de cluster para dados de idade, renda e gastos. Inclui validação de entrada, artefatos de modelo reutilizáveis e resumos de segmentos interpretáveis para análise exploratória de marketing.

  • Python
  • Agrupamento
  • PCA
  • Avaliação

Por dentro deste projeto

  • Identificadores de clientes únicos e finitos validados e valores categóricos documentados, com uma regra de valores discrepantes de renda 1.5×IQR.
  • Características padronizadas de idade, renda e gastos, reservando o gênero para interpretação pós-agrupamento.
  • Comparado K-Means, clustering aglomerativo e DBSCAN, com e sem PCA.
  • Construiu um fluxo de trabalho K-Means configurável de seis segmentos que salva seu escalonador, modelo, atribuições e métricas.
  • Silhueta avaliada, pontuações de Davies – Bouldin e Calinski – Harabasz junto com a inércia e testes 15 adicionados com cobertura 95%.
  • Documentou a ausência de validação externa, estudos de estabilidade e aumento medido da campanha; os segmentos permanecem exploratórios.

Arquivos do projeto

Os arquivos originais dos projetos estão em inglês.

  • Apresentação original do trabalho acadêmico

    PDF · 2.3 MB

    Ver PDF Baixar PDF

Código-fonte e links

Código-fonte Ler no LinkedIn Apresentação em PowerPoint

Notas do projeto

Software · Projeto público

FitnessQuest Gamified Fitness Application

out. de 2024 – fev. de 2025

Uma aplicação de atividade física gamificada com contas, desafios, missões, inventário e controles que respeitam a propriedade dos recursos.

Um aplicativo de fitness gamificado responsivo desenvolvido com Express, MySQL e uma interface vanilla JavaScript. Ele conecta contas de usuários, desafios e progressão do jogo com verificações explícitas de propriedade e testes de aplicativos repetíveis.

Por dentro deste projeto

  • Registro integrado, login, perfis, tabelas de classificação, desafios, avaliações, animais de estimação, inventário, batalhas, missões e conquistas.
  • Implementou um aplicativo Express 5 para Node.js 22+, apoiado pela autenticação MySQL 8.4, JWT e validação Zod.
  • Propriedade imposta usando o principal JWT autenticado em vez de confiar em identificadores de usuário fornecidos pelo cliente.
  • Adicionado hash de senha, cabeçalhos de segurança, limites de solicitação, consultas parametrizadas e respostas seguras a erros.
  • Conteúdo do usuário renderizado com textContent e migrações de banco de dados separadas e redefinições de teste do tempo de execução do aplicativo.
  • Documentou seis API, três verificações de segurança e seis verificações de navegador; essas verificações isoladas não estabelecem a confiabilidade da produção.

Código-fonte e links

Código-fonte Ler no LinkedIn Relatório escrito

Notas do projeto

Dados · Projeto público

Singapore Graduate Employment, Salary & Labour-Market Analysis

jan. de 2025 – fev. de 2025

Um estudo sobre emprego e salários de graduados com verificações de qualidade de dados, modelagem exploratória e comparações transparentes entre grupos.

Uma análise de emprego e mercado de trabalho de graduados em Cingapura que combina limpeza de dados, visões descritivas, modelagem salarial e agrupamento. O projecto examina os padrões de emprego e rendimento em todos os grupos educacionais e populacionais.

Por dentro deste projeto

  • Preparou um fluxo de trabalho para sete conjuntos de dados de origem, cobrindo conversão de tipo, valores ausentes, duplicatas e verificações de valores discrepantes de IQR ou pontuação z.
  • Medidas derivadas de spread salarial e de disparidade nas taxas de emprego e campos de estudo mapeados.
  • Usei florestas aleatórias para imputação ou previsão de salários juntamente com agrupamento e análise descritiva.
  • Padrões comparados entre universidades, graus, anos, indústrias, idade, sexo, educação e contexto populacional.
  • Verificou sete notebooks sem erros armazenados e adicionou testes 17 com cobertura 80% em Python 3.10–3.12.
  • Tabelas de fontes brutas ausentes documentadas, modelos ajustados, métricas mantidas e análise de incerteza; os resultados não estabelecem desempenho preditivo.

Código-fonte e links

Código-fonte Ler no LinkedIn Apresentação em PowerPoint

Notas do projeto

Dados · Projeto público

Statistical Analysis of AI Industry Trends

nov. de 2024 – fev. de 2025

Uma investigação estatística acadêmica sobre tendências do setor de IA, apresentada com gráficos e um pôster de narrativa de dados.

Uma investigação estatística das tendências da indústria AI, apresentada como um pôster narrativo de dados. O trabalho examina relações envolvendo computação de treinamento, desempenho do modelo, experiência, salários e adoção de AI.

Por dentro deste projeto

  • Conjuntos de dados do mundo real explorados que descrevem a indústria AI.
  • Relações investigadas entre cálculo de treinamento e desempenho do modelo, e entre experiência e salário.
  • Padrões salariais comparados associados à adoção do AI usando estatísticas descritivas e análise de grupo.
  • Aplicou ANOVA e Tukey HSD juntamente com visualizações de correlação e regressão.
  • Comunicou as descobertas através de um pôster A3 com box plots, histogramas e explicações estatísticas de apoio.

Código-fonte e links

Ler no LinkedIn

Notas do projeto

IA · Experimento em notebook

Previsão de consumo de serviços públicos

jan. de 2025 – fev. de 2025

Estudando padrões sazonais no consumo de eletricidade, gás e água.

Estudo mensal de previsão de utilidades abrangendo o consumo de gás, eletricidade e água. O fluxo de trabalho compara modelos estatísticos de série temporal com avaliação cronológica e valida a estrutura da série de entrada.

  • Python
  • Séries temporais
  • ARIMA
  • Avaliação

Por dentro deste projeto

  • Séries mensais preparadas com transformação de log e resistências cronológicas, documentando como a remoção opcional de valores discrepantes pode afetar o espaçamento temporal.
  • ARIMA comparado, ARIMA ajustado e modelos sazonais SARIMAX.
  • Configurações selecionadas de gás ARIMA (18,2,9), eletricidade SARIMAX (3,1,4) (5,1,6,12) e água ARIMA (9,2,17) registradas.
  • Estruturei um holdout de mês 60 e horizonte de previsão com MAE, RMSE, R², variância explicada e avaliação MAPE.
  • Valores finitos validados, datas mensais contíguas e horizontes de previsão, rejeitando meses duplicados ou faltantes; adicionados testes 43.
  • Séries brutas ausentes documentadas, modelos ajustados, backtests fixados, comparações de linha de base e intervalos de previsão; nenhum impacto operacional ou de sustentabilidade é estabelecido.

Arquivos do projeto

Os arquivos originais dos projetos estão em inglês.

  • Apresentação original do trabalho acadêmico

    PDF · 4.7 MB

    Ver PDF Baixar PDF

Código-fonte e links

Código-fonte Ler no LinkedIn Apresentação em PowerPoint

Notas do projeto

Comunidade · Projeto público

NUS-Rightship Maritime Hackathon

out. de 2024 – jan. de 2025

Um hackathon marítimo que explora ideias baseadas em IA e dados para operações portuárias, emissões e segurança de embarcações.

Um projeto de equipe para o 24 NUS–RightShip Maritime Hackathon 2025. O desafio envolveu o desenvolvimento de ideias baseadas em dados e AI para problemas em operações marítimas globais.

Por dentro deste projeto

  • Trabalhei em um desafio marítimo no formato hackathon 24 de horas.
  • Explorou AI e abordagens baseadas em dados para eficiência portuária, emissões e segurança de embarcações.
  • Aplicou aprendizado de máquina, análise e solução colaborativa de problemas à proposta.

Código-fonte e links

Ler no LinkedIn

Notas do projeto

Pesquisa · Projeto público

AI Ethics & Governance Survey Analysis

out. de 2024 – nov. de 2024

Uma exploração baseada em pesquisa de opinião sobre percepções de legislação de IA, transparência, proteção de dados e governança.

Um projeto de análise de pesquisa que examina as perspectivas do público e de especialistas sobre ética, legislação e governança do AI. Um painel Power BI comunica as preocupações e prioridades dos entrevistados em relação ao SDG 16.

Por dentro deste projeto

  • Analisou as respostas da pesquisa sobre legislação, ética e governança AI.
  • Examinou transparência, direito internacional, proteção de dados, desinformação e deslocamento de empregos.
  • Utilizou estatísticas descritivas para comparar e classificar as preocupações dos entrevistados.
  • Crie visualizações Power BI de respostas e prioridades de governança.
  • Propôs maior transparência, padrões internacionais e proteções de privacidade com base nos resultados da pesquisa.

Código-fonte e links

Ler no LinkedIn

Notas do projeto

Criação · Projeto público

Digital Marketing Strategy for Bubble Tea Brand

out. de 2024 – nov. de 2024

Uma proposta acadêmica de marketing que utiliza análise do ambiente, estruturas de composto de marketing e planejamento da jornada do cliente.

Uma proposta de estratégia de marketing digital para uma marca de chá de bolhas. O trabalho conecta pesquisa de clientes, posicionamento e um plano de conteúdo de duas semanas em torno da proposta de valor “Menos estresse, mais Boba”.

Por dentro deste projeto

  • Analisei o contexto de negócios utilizando STEEP, SWOT e o mix de marketing.
  • Desenvolvi perfis de clientes e mapeei o processo de decisão do comprador.
  • Definiu uma proposta de valor online em torno de bebidas personalizadas e pérolas aromatizadas.
  • Pilares de conteúdo planejados, plataformas e segmentação de público em um calendário editorial de duas semanas.
  • Descreveu ideias e orçamentos de promoção paga como uma proposta, sem reivindicar resultados de campanha medidos.

Código-fonte e links

Ler no LinkedIn

Notas do projeto

Dados · Análise acadêmica

Explorador de anúncios de emprego

out. de 2024 – nov. de 2024

Explorando padrões de engajamento em anúncios de emprego.

Uma análise exploratória da lista de empregos LinkedIn focada em salário, atributos do cargo e atividade de candidatura. O fluxo de trabalho limpa e une tabelas de origem, deriva medidas de comparação e documenta como o notebook pode ser reconstruído.

  • Python
  • Pandas
  • Matplotlib
  • Limpeza de dados

Por dentro deste projeto

  • Preparou cinco tabelas de origem cobrindo empresas, salários, atividades, regimes de trabalho, períodos de pagamento, antiguidade e carimbos de data e hora.
  • Salário anual derivado, faixa salarial, duração da postagem e uma proporção de aplicação para visualização com segurança zero.
  • Examinou salário, regime de trabalho, antiguidade, duração da postagem, visualizações, inscrições, pagamento anual e padrões de conversão.
  • Aplicada filtragem salarial IQR e verificações opcionais de pontuação z para exploração de valores discrepantes.
  • Organizei um notebook de célula 234 em seis seções com verificação de reconstrução somente leitura e testes automatizados.
  • Documentou as tabelas de fontes brutas indisponíveis e manteve as conclusões na análise descritiva da lista de empregos.

Arquivos do projeto

Os arquivos originais dos projetos estão em inglês.

  • Apresentação original do trabalho acadêmico

    PDF · 1.2 MB

    Ver PDF Baixar PDF

Código-fonte e links

Código-fonte Ler no LinkedIn Apresentação em PowerPoint

Notas do projeto

IA · Experimento em notebook

Previsão de falhas de máquinas

out. de 2024 – nov. de 2024

Comparando modelos para classificar o estado de máquinas.

Um estudo de classificação de conjunto para um conjunto de dados de falhas de máquina fortemente desequilibrado. O fluxo de trabalho separa o treinamento, a seleção de limites e a avaliação final, relatando compensações na detecção de falhas, em vez de apenas precisão.

  • Python
  • Aprendizado de máquina
  • Aprendizado por ensembles
  • Avaliação

Por dentro deste projeto

  • Registros 20,000 preparados com falhas 678 e células ausentes 2,579 usando pré-processamento ajustado para treinamento.
  • Árvore de decisão combinada, floresta aleatória, aumento de gradiente, AdaBoost, K-vizinho mais próximo e estimadores de regressão logística.
  • Separou 12,000 registros para treinamento, 4,000 para validação do limiar e 4,000 para teste, com uma semente aleatória fixa.
  • Selecionou um limite de decisão 0.455 pela validação F1 entre candidatos 181.
  • Registrou precisão de 0.5932, revocação de 0.7721 e F1 de 0.6709 no conjunto reservado, detectando 105 de 136 falhas de teste, com 72 falsos positivos.
  • Adicionados testes 17 e documentou o limite de avaliação não temporal de conjunto de dados único; a validação e calibração externa da fábrica permanecem não estabelecidas.

Arquivos do projeto

Os arquivos originais dos projetos estão em inglês.

  • Apresentação original do trabalho acadêmico

    PDF · 3.5 MB

    Ver PDF Baixar PDF

Código-fonte e links

Código-fonte Ler no LinkedIn Apresentação em PowerPoint

Notas do projeto

IA · Experimento em notebook

Laboratório de preços de imóveis

out. de 2024 – nov. de 2024

Examinando modelos de preços de imóveis em relação a uma referência simples.

Um estudo de regressão de conjunto usando um conjunto de dados de habitação em sala de aula 545. Os recursos de propriedade dos engenheiros de projeto comparam os pesos do modelo com validação cruzada e reservam um conjunto de testes separado para avaliação.

  • Python
  • Regressão
  • Aprendizado por ensembles
  • Avaliação

Por dentro deste projeto

  • Preparou um conjunto de dados abrangendo cinco cidades e três categorias de renovação, sem valores faltantes ou identificadores duplicados.
  • Preditores projetados de total de cômodos, área por quarto, banheiro por quarto e área de andares, excluindo identificadores e preços dos insumos.
  • Utilizou imputação dobrada, escalonamento e codificação one-hot para evitar vazamento de pré-processamento.
  • Comparamos quatro candidatos de peso de conjunto com validação quíntupla nas linhas de treinamento 436, selecionando um conjunto 2:1:1 Ridge, floresta aleatória e aumento de gradiente.
  • Avaliou 109 linhas reservadas para teste: R² de 0.5353, MAE de 113,249.95 e RMSE de 153,267.51, com erro inferior ao modelo de referência baseado na mediana.
  • Adicionados testes 19 e documentada a falta de validação externa, intervalos de previsão e análise de subgrupo; este continua sendo um estudo em sala de aula.

Arquivos do projeto

Os arquivos originais dos projetos estão em inglês.

  • Apresentação original do trabalho acadêmico

    PDF · 3.5 MB

    Ver PDF Baixar PDF

Código-fonte e links

Código-fonte Ler no LinkedIn Apresentação em PowerPoint

Notas do projeto

Dados · Projeto público

Water & Energy Consumption Analysis of Shopping Mall

out. de 2024 – nov. de 2024

Um painel no Power BI que explora o consumo de água e eletricidade de um shopping center, suas tendências e comparações por categoria.

Uma análise Power BI de cinco anos de consumo de água e eletricidade no Prestige Mall. O painel apoia a discussão dos padrões de utilização de recursos e possíveis melhorias de eficiência.

Por dentro deste projeto

  • Foram analisados cinco anos de dados de água e eletricidade de shopping centers.
  • Crie visualizações interativas de tendências de consumo, categorias e mudanças anuais.
  • Usei mapas de árvore, gráficos de linhas, gráficos de barras e gráficos em cascata para explicar as descobertas.
  • Conectei a análise a SDG 6 e SDG 7.
  • Melhorias de eficiência propostas por meio da narrativa de dados sem reivindicar economias medidas de recursos.

Código-fonte e links

Ler no LinkedIn

Notas do projeto

Segurança · Projeto público

GovTech AI Capture-The-Flag

out. de 2024

Participação em uma competição de segurança de IA com coordenação de equipe e resolução de problemas por desafios.

Uma participação da equipe na competição GovTech Singapore AI Capture-The-Flag. A experiência combinou a resolução de problemas técnicos com a coordenação em uma série de AI e desafios de segurança cibernética.

Por dentro deste projeto

  • Participou da competição GovTech CSG de Cingapura AI Capture-The-Flag.
  • Enfrentou desafios de risco em sete domínios.
  • Liderou a coordenação de equipes e a resolução colaborativa de problemas em condições de competição.

Código-fonte e links

Ler no LinkedIn

Notas do projeto

Pesquisa · Projeto público

Fairness of Meritocracy in Singapore

abr. de 2024 – ago. de 2024

Um debate fundamentado em pesquisa sobre acesso à educação, exames, bolsas de estudo e os pontos fortes e limites da meritocracia.

Um debate pesquisado sobre justiça e meritocracia no sistema educacional de Singapura. O trabalho desenvolve um caso estruturado enquanto examina os pontos fortes e limites de exames, bolsas e aprendizagem ao longo da vida.

Por dentro deste projeto

  • Pesquisei como a meritocracia funciona no sistema educacional de Cingapura.
  • Exames examinados, bolsas de estudo e oportunidades de aprendizagem ao longo da vida usando fontes citadas.
  • Preparou um caso de proposição com exemplos de apoio e argumentos estruturados.
  • Desenvolveu contra-argumentos e refutações abordando os limites dos resultados meritocráticos.

Código-fonte e links

Ler no LinkedIn

Notas do projeto

Comunidade · Projeto público

Resolution to Unequal Education Opportunities

jun. de 2024 – ago. de 2024

Uma proposta que examina o ensino online como resposta à desigualdade de acesso à educação, incluindo viabilidade e limitações de acesso digital.

Uma proposta que aborda oportunidades educacionais desiguais através de uma plataforma online gratuita de recursos de estudo. O trabalho explora as barreiras socioeconómicas e avalia os limites práticos de uma abordagem de acesso digital.

Por dentro deste projeto

  • Barreiras socioeconômicas investigadas às oportunidades educacionais.
  • Propôs uma plataforma gratuita para recursos de estudo, notas e exemplares de documentos.
  • Aplicou SCAMPER e métodos de pensamento computacional, incluindo decomposição, reconhecimento de padrões, abstração e design de algoritmos.
  • Mapeei o fluxo de trabalho proposto com um fluxograma.
  • Viabilidade considerada, escalabilidade, acesso digital e necessidades de infraestrutura sem reivindicar resultados educacionais implementados.

Código-fonte e links

Ler no LinkedIn

Notas do projeto

Nuvem · Projeto público

Website Deployment on AWS EC2 with WordPress

abr. de 2024 – ago. de 2024

Uma implantação acadêmica de WordPress na nuvem usando um servidor Ubuntu, uma pilha LAMP e configuração de banco de dados.

Um exercício de curso de hospedagem em nuvem implantando WordPress em uma instância Ubuntu AWS EC2. O projeto cobre configuração de servidor, rede, configuração de banco de dados e instalação de aplicativos web.

Por dentro deste projeto

  • Provisionou uma instância Ubuntu 22.04 EC2 e instalou uma pilha Linux, Apache, MySQL e PHP.
  • Configurei acesso administrativo SSH através de PuTTY e aloquei um Elastic IP.
  • Criou o banco de dados MySQL e os privilégios de usuário necessários para WordPress.
  • Apache, PHP configuradas e permissões do sistema de arquivos do aplicativo.
  • Testei o site do curso por meio de seu IPv4 público DNS na época; nenhuma disponibilidade atual ao vivo é reivindicada.

Código-fonte e links

Ler no LinkedIn

Notas do projeto

Pesquisa · Projeto público

Application of Artificial Intelligence in Driving

abr. de 2024 – jun. de 2024

Uma proposta de pesquisa sobre IA para segurança na direção, incluindo considerações de custo, equidade, privacidade e segurança.

Uma apresentação de pesquisa explorando possíveis aplicações do AI para segurança ao dirigir em apoio ao SDG 3.6. A proposta pondera as possibilidades técnicas em relação a custos, preconceitos e considerações de segurança.

Por dentro deste projeto

  • Abordagens AI pesquisadas que poderiam apoiar metas de segurança no trânsito e prevenção de acidentes.
  • Discutimos sistemas autônomos, monitoramento ao vivo e análise preditiva como abordagens potenciais.
  • Explicou as funções da visão computacional, aprendizado de máquina, redes neurais, aprendizado profundo e dados de suporte.
  • Comparamos possíveis benefícios com custos, preconceitos e desafios de segurança.
  • Considerações propostas de implantação responsável, incluindo justiça algorítmica; o trabalho não reivindica um veículo implementado ou melhoria de segurança medida.

Código-fonte e links

Ler no LinkedIn

Notas do projeto

Comunidade · Projeto público

NTU-GAIP Insurance Case Competition 2024

jun. de 2024

Uma proposta para uma competição de casos do setor de seguros que explora apoio por IA, detecção de fraudes e precificação, com considerações de governança responsável.

Uma proposta focada em AI para a competição de casos de seguros NTU – GAIP 2024. O caso considera como o suporte ao cliente, a detecção de fraudes e a definição de prêmios poderiam ser melhorados, ao mesmo tempo que leva em conta uma governança responsável.

Por dentro deste projeto

  • Pesquisei oportunidades AI para uma proposta de competição de casos de seguros.
  • Explorou suporte ao cliente, detecção de fraude e aplicativos premium dinâmicos.
  • Viabilidade de implementação considerada juntamente com requisitos éticos.
  • Abordou a privacidade, o preconceito e a governança responsável na abordagem proposta.

Código-fonte e links

Ler no LinkedIn

Notas do projeto

Pesquisa · Proposta de conscientização

Proposta de conscientização de jovens

out. de 2022 – nov. de 2022

Uma apresentação da Boys’ Brigade sobre conscientização de jovens e vigilância comunitária.

Uma apresentação da Boys’ Brigade Global Awareness propondo um workshop para jovens sobre riscos de radicalização, literacia digital e vigilância comunitária. O trabalho regista uma proposta de prevenção pesquisada em vez de um programa implementado ou um impacto medido.

  • Pesquisa
  • Letramento digital
  • Comunidade
  • Conscientização sobre riscos

Por dentro deste projeto

  • Pesquisei os riscos de radicalização online e offline para uma apresentação de sensibilização para os jovens.
  • Delineou um workshop educativo sobre como reconhecer conteúdos preocupantes, buscar ajuda e responder com segurança.
  • Conectou temas de intervenção precoce com alfabetização digital e vigilância comunitária.
  • Sensibilidade considerada, riscos de entrega e possíveis mitigações.
  • Funções planejadas, mão de obra, parcerias e necessidades de recursos para o workshop proposto.

Arquivos do projeto

Os arquivos originais dos projetos estão em inglês.

  • Apresentação do projeto

    PDF · 1.9 MB

    Ver PDF Baixar PDF

Código-fonte e links

Ler no LinkedIn

Notas do projeto

Pesquisa · Preprint no arXiv · 2025

Quantum–Classical GANs

Um experimento na fronteira entre dois mundos da computação.

Meu preprint de 2025 no arXiv explora circuitos quânticos ruidosos como distribuições a priori latentes em modelos generativos, comparando GANs clássicas e híbridas quântico-clássicas.

  • Computação quântica
  • Qiskit
  • GANs
  • Pesquisa

Por dentro deste projeto

  • Comparei variantes híbridas com 3, 5 e 7 qubits usando simulação em Qiskit.
  • Avaliei amostras geradas de MNIST binário com FID e KID.
  • Relatei que a referência clássica teve o melhor desempenho nesses experimentos.

Arquivos do projeto

Os arquivos originais dos projetos estão em inglês.

  • Pré-publicação de pesquisa

    PDF · 1.1 MB

    Kun Ming Goh arXiv:2508.09209v2 CC BY 4.0

    Ver PDF Baixar PDF

Código-fonte e links

Código-fonte Ler preprint Artigo de pesquisa

Notas do projeto

Pesquisa · Preprint no arXiv · 2025

Residual Learning Study

Entendendo por que conexões de atalho ajudam redes profundas.

Um preprint de 2025 no arXiv em coautoria com Xingyu Liu, que estuda conexões residuais por meio da comparação entre ResNet-18 e uma CNN profunda convencional no CIFAR-10.

  • Visão computacional
  • ResNet
  • CIFAR-10
  • Pesquisa

Por dentro deste projeto

  • Estudei o papel das conexões residuais no fluxo dos gradientes.
  • Comparei o comportamento do treinamento e os resultados de classificação no CIFAR-10.
  • Documentei a implementação e a avaliação em um preprint público.

Arquivos do projeto

Os arquivos originais dos projetos estão em inglês.

  • Pré-publicação de pesquisa

    PDF · 481 kB

    Xingyu Liu, Kun Ming Goh arXiv:2510.24036v1 CC BY 4.0

    Ver PDF Baixar PDF

Código-fonte e links

Ler preprint

Bancada de trabalho — A trajetória

Trabalho e pesquisa

Bioma: Encostas nevadas

Funções nas quais coloquei ideias em prática.

AGO 2026 — ATUAL

Estudo e pesquisa independentes

Pausa na carreira

Período dedicado ao estudo independente, à experimentação técnica e à reflexão sobre futuras pesquisas em IA, além de tempo com a família e os amigos.

ABR — AGO 2026

Estagiário em pesquisa de IA

RSAF RAiD · AETHER

Pesquisa em IA aplicada envolvendo sensoriamento multimodal, pipelines geoespaciais, visão neuromórfica e detecção por RF, com avaliação reproduzível e transferência do trabalho de pesquisa.

MAR 2026

Pesquisador de soluções de IA e dados

Singapore Polytechnic · Department of Communications

Desenvolvimento de fluxos departamentais adaptados às funções, arquitetura segura de dados, ferramentas de apoio à decisão e assistência por IA, com verificações de lançamento, segurança e usabilidade.

FEV — MAR 2026

Cofundador · Dados e sistemas inteligentes

Wagglo

Projeto de pontuação de compatibilidade, recomendações e fluxos de avaliação, além de um sistema de análise de pesquisas de opinião atento à privacidade.

SET 2025 — MAR 2026

Desenvolvedor estudante

Singapore Polytechnic

Desenvolvimento de um assistente para o Open House com geração aumentada por recuperação, usando Amazon Bedrock, busca híbrida, estado persistente da conversa e avaliação controlada com usuários.

MAR 2025 — MAR 2026

Fundador

Gentle Care Messenger (GCM)

Fundei uma iniciativa de pesquisa aplicada que explora IA conversacional com limites definidos, encaminhamento responsável a recursos e revisão humana. O protótipo não é um profissional de saúde nem um serviço de emergência.

Explorar projetos

Educação

Bioma: Selva de bambu

O aprendizado por trás do trabalho.

Histórico acadêmico

2024 — 2027 · EM ANDAMENTO

Diploma em IA aplicada e análise de dados

Singapore Polytechnic

Aprendendo por meio de aprendizado de máquina, engenharia de dados, aprendizado profundo, computação em nuvem e projetos práticos de IA.

2020 — 2023

Singapore-Cambridge GCE O-Level

Yuhua Secondary School

Estudei matemática, matemática adicional, ciências, eletrônica, inglês e humanidades.

Ver projetos acadêmicosPrêmios e certificados

Voluntariado e comunidade

Bioma: Savana

Contribuindo por meio de governança, mentoria e apoio comunitário.

MAI 2026 — ATUALMENTE · VOLUNTARIADO

Consultor técnico e de governança de dados

Wagglo

Assessoria em governança de privacidade, revisão de políticas, estruturas de consentimento e controles de acesso para uma gestão responsável de dados.

JAN 2024 — JAN 2026

Cadet Lieutenant

The Boys’ Brigade in Singapore · 28th Company

Orientei jovens em acampamentos, aulas de liderança, exercícios de ordem unida e programas baseados em valores na 28th Singapore Boys’ Brigade Company.

FEV 2022 — JUN 2023

Agente de apoio comunitário

Jurong Christian Church

Apoiei ações comunitárias para moradores de baixa renda, distribuindo itens de necessidade diária e construindo confiança pelo contato pessoal.

Iniciar uma conversa

Organizações e filiações

Bioma: Taiga

Filiações a organizações profissionais e comunitárias listadas no LinkedIn.

Iniciar uma conversa

Notas do trabalho

ABR — AGO 2026

Estagiário em pesquisa de IA

RSAF RAiD · AETHER

Realizei pesquisa em IA aplicada na RAiD/AETHER envolvendo percepção multimodal, dados geoespaciais, visão neuromórfica, sensoriamento por RF, simulação e raciocínio com modelos de linguagem e modelos de visão-linguagem.

No que trabalhei

  • Desenvolvi avaliações reproduzíveis com locais reservados para avaliação e verificações contra vazamento de dados.
  • Investiguei abordagens de sensoriamento e raciocínio, preservando também os resultados negativos.
  • Colaborei com cientistas pesquisadores e equipes de cinco instituições de ensino superior.
  • Coordenei a transferência do trabalho de pesquisa, incluindo métodos, resultados e limites da avaliação.
Ver perfil no LinkedIn (abre em uma nova aba)

Notas sobre voluntariado

MAI 2026 — ATUALMENTE · VOLUNTARIADO

Consultor técnico e de governança de dados

Wagglo

Oriento a Wagglo sobre privacidade, consentimento e controles de acesso, com revisão humana e tratamento cuidadoso dos dados analíticos limitados.

No que trabalhei

  • Revisei as políticas de privacidade e de termos com registros de consentimento separados e versionados.
  • Revisei o acesso com privilégio mínimo, os controles em nível de linha, as permissões baseadas em funções e os registros de auditoria.
  • Separei o ambiente de produção dos testes de aceitação pelos usuários; verifiquei a ingestão de eventos assinados, a proteção contra repetição e o tratamento que bloqueia o acesso em caso de falha.
  • Mantive a revisão humana no fluxo de trabalho, ocultei grupos analíticos com menos de cinco pessoas e preservei os dados indisponíveis como indisponíveis.
Ver perfil no LinkedIn (abre em uma nova aba)

Notas do trabalho

MAR 2026

Pesquisador de soluções de IA e dados

Singapore Polytechnic · Department of Communications

Desenvolvi uma plataforma operacional adaptada às funções dos usuários para o Departamento de Comunicação da Singapore Polytechnic, combinando acesso protegido aos dados, apoio à decisão e fluxos de trabalho assistidos por IA.

No que trabalhei

  • Estruturei o acesso protegido aos dados com segurança em nível de linha do Supabase.
  • Criei ferramentas de apoio à decisão para os fluxos de trabalho do departamento.
  • Adicionei três fluxos de trabalho assistidos por OpenAI e um assistente VICA fundamentado em documentos institucionais.
  • Testei a plataforma e revisei a segurança, a usabilidade e a prontidão para lançamento.
Ver perfil no LinkedIn (abre em uma nova aba)

Notas do trabalho

FEV — MAR 2026

Cofundador · Dados e sistemas inteligentes

Wagglo

Desenvolvi os sistemas de compatibilidade e recomendação da Wagglo, com pontuação interpretável, personalização baseada em evidências e análise de pesquisas de opinião.

No que trabalhei

  • Projetei pontuações de compatibilidade interpretáveis e recomendações mais bem classificadas em nove dimensões.
  • Apliquei personalização com pesos que diminuem ao longo do tempo, verificações de evidências e mecanismos de fallback.
  • Integrei embeddings da OpenAI com acesso condicionado à autenticação.
  • Analisei dados de pesquisas de opinião com limpeza, ponderação de desequilíbrios, reamostragem e verificações por bootstrap.
Ver perfil no LinkedIn (abre em uma nova aba)

Notas do trabalho

SET 2025 — MAR 2026

Desenvolvedor estudante

Singapore Polytechnic

Desenvolvi o assistente de recuperação de informações para o Open House da Singapore Polytechnic com Amazon Bedrock e busca híbrida; depois, apoiei um piloto controlado de três dias e a transferência técnica.

No que trabalhei

  • Combinei Claude 3 Haiku e Cohere no Amazon Bedrock com PostgreSQL/pgvector e recuperação por BM25.
  • Usei fusão de rankings recíprocos, reescrita de consultas, reordenação de resultados e avaliação do grau de alucinação para aprimorar respostas baseadas em informações recuperadas.
  • Criei fluxos de aplicação com FastAPI e Next.js na AWS.
  • Avaliei o assistente em um piloto controlado no Open House e documentei a transferência técnica.
Ver perfil no LinkedIn (abre em uma nova aba)

Notas sobre formação

2024 — 2027 · EM ANDAMENTO

Diploma em IA aplicada e análise de dados

Singapore Polytechnic

Aprendendo por meio de aprendizado de máquina, engenharia de dados, aprendizado profundo, computação em nuvem e projetos práticos de IA.

Ver perfil no LinkedIn (abre em uma nova aba)

Notas sobre formação

2020 — 2023

Singapore-Cambridge GCE O-Level

Yuhua Secondary School

Estudei matemática, matemática adicional, ciências, eletrônica, inglês e humanidades.

Ver perfil no LinkedIn (abre em uma nova aba)

Notas sobre voluntariado

JAN 2024 — JAN 2026

Cadet Lieutenant

The Boys’ Brigade in Singapore · 28th Company

Orientei jovens em acampamentos, aulas de liderança, exercícios de ordem unida e programas baseados em valores na 28th Singapore Boys’ Brigade Company.

Ver perfil no LinkedIn (abre em uma nova aba)

Notas sobre voluntariado

FEV 2022 — JUN 2023

Agente de apoio comunitário

Jurong Christian Church

Apoiei ações comunitárias para moradores de baixa renda, distribuindo itens de necessidade diária e construindo confiança pelo contato pessoal.

Ver perfil no LinkedIn (abre em uma nova aba)

Notas do trabalho

MAR 2025 — MAR 2026

Fundador

Gentle Care Messenger (GCM)

Fundei o Gentle Care Messenger para explorar IA conversacional com limites definidos, voltada a sinais precoces de sofrimento, encaminhamento a recursos de apoio e revisão humana; o protótipo não é um profissional clínico nem um serviço de emergência.

No que trabalhei

  • Projetei fluxos de revisão pela equipe com acesso baseado em funções e registros de auditoria.
  • Priorizei fontes aprovadas e atribuição clara na recuperação de texto completo do PostgreSQL.
  • Adiei a recuperação vetorial até que uma avaliação pudesse justificar seu uso.
  • Planejei avaliações adversariais, de escalonamento, de falsos positivos e falsos negativos e de ponta a ponta; elas continuam sendo trabalhos futuros.
Ver perfil no LinkedIn (abre em uma nova aba)

Prêmios e certificados

ProgressosCertificaçõesHistórico acadêmico

Progressos

Honrarias e prêmios

Marcos de pesquisa

Certificações Enviar uma mensagem Histórico acadêmico

Certificações

Cofre de certificados

Escolha um certificado para consultar seu registro, a descrição do curso e o documento original.

84 certificados

AI Essentials

Saïd Business School, University of Oxford · Emitido

Certificados de cursos

Credencial original

AI Governance

Saïd Business School, University of Oxford · Emitido

Certificados de cursos

Credencial original

Build AI Agents using MCP

IBM · Emitido

Certificados de cursos

Credencial original

Cyber Espionage and Counterintelligence

STARWEAVER · Emitido

Certificados de cursos

Credencial original

Generative and Agentic AI

Saïd Business School, University of Oxford · Emitido

Certificados de cursos

Credencial original

Advanced RAG with Vector Databases and Retrievers

IBM · Emitido

Certificados de cursos

Credencial original

Agentic AI with LangChain and LangGraph

IBM · Emitido

Certificados de cursos

Credencial original

Agentic AI with LangGraph, CrewAI, AutoGen and BeeAI

IBM · Emitido

Certificados de cursos

Credencial original

AI for App Deployment

Google · Emitido

Certificados de cursos

Credencial original

AI for Brainstorming and Planning

Google · Emitido

Certificados de cursos

Credencial original

AI for Content Creation

Google · Emitido

Certificados de cursos

Credencial original

AI for Research and Insights

Google · Emitido

Certificados de cursos

Credencial original

AI for Writing and Communicating

Google · Emitido

Certificados de cursos

Credencial original

Build Multimodal Generative AI Applications

IBM · Emitido

Certificados de cursos

Credencial original

Build RAG Applications: Get Started

IBM · Emitido

Certificados de cursos

Credencial original

Building AI Agents and Agentic Workflows

IBM · Emitido

Especializações

Credencial original

Chinese for Beginners

Peking University · Emitido

Certificados de cursos

Credencial original

Develop Generative AI Applications: Get Started

IBM · Emitido

Certificados de cursos

Credencial original

Digitalisation in Aeronautics

Technical University of Munich (TUM) · Emitido

Certificados de cursos

Credencial original

Digitalisation in Space Research

Technical University of Munich (TUM) · Emitido

Certificados de cursos

Credencial original

Digitalisation in the Aerospace Industry

Technical University of Munich (TUM) · Emitido

Certificados de cursos

Credencial original

Ethical AI for Research and Innovation

University of Cambridge · Emitido

Certificados de cursos

Credencial original

Foundations of Data Science

Google · Emitido

Certificados de cursos

Credencial original

Fundamentals of Building AI Agents

IBM · Emitido

Certificados de cursos

Credencial original

Introduction to Deep Learning & Neural Networks with Keras

IBM · Emitido

Certificados de cursos

Credencial original

Machine Learning with Python

IBM · Emitido

Certificados de cursos

Credencial original

Understanding Research Methods

University of London · Emitido

Certificados de cursos

Credencial original

Vector Databases for RAG: An Introduction

IBM · Emitido

Certificados de cursos

Credencial original

AI in Global Competition: The Defense Dimension

Special Competitive Studies Project - SCSP · Emitido

Certificados de cursos

Credencial original

Mathematics for Machine Learning: Linear Algebra

Imperial College London · Emitido

Certificados de cursos

Credencial original

Python for Data Science, AI & Development

IBM · Emitido

Certificados de cursos

Credencial original

University Teaching

The University of Hong Kong · Emitido

Certificados de cursos

Credencial original

Quantum Computing For Everyone - An Introduction

Fractal · Emitido

Certificados de cursos

Credencial original

Ethical AI: AI Essentials For Everyone

University of Cambridge · Emitido

Certificados de cursos

Credencial original

Introduction to Complexity Science

Nanyang Technological University Singapore · Emitido

Certificados de cursos

Credencial original

Understanding 9/11: Why 9/11 Happened & How Terrorism Affects Our World Today

Duke University · Emitido

Certificados de cursos

Credencial original

Deep Dive into Open-Source Intelligence

LinkedIn · Emitido

Certificados de cursos

Credencial original

AI/BI for Data Analysts

Databricks · Emitido

Certificados de cursos

Get Started with SQL Analytics and BI on Databricks

Databricks · Emitido

Certificados de cursos

Data Structures and Algorithms in Python

DataCamp · Emitido

Certificados de cursos

Credencial original

Occupational First Aid Certificate

St John Singapore · Emitido

Outras qualificações

Link da credencial indisponível

As descrições dos cursos e os certificados são exibidos no idioma original.

Detalhes do certificado
Ler em uma página

Histórico acadêmico

Arquivo acadêmico

Semestres do politécnico

Singapore Polytechnic · Diploma in Applied AI & Analytics

Ano acadêmico 2025/2026

Resultados do semestre · Mar 2026

Singapore Polytechnic 2025/2026 S2 Examination Results

GPA do semestre 4.00 / 4.00

Ver resultados dos módulos
Singapore Polytechnic 2025/2026 S2 Examination Results
DisciplinaNota
Sustainable Innovation ProjectCC1S10DIST
Independent Study 1EM0301A
Mathematics for AIMS0240DIST
Data VisualisationST1502DIST
Practical AIST1508A
DevOps and Automation for AIST1516DIST

Compartilhado por Kun Ming. Documento original em inglês.

Abrir histórico em PDF (abre em uma nova aba) Baixar PDF
Histórico acadêmico

Resultados do semestre · Sep 2025

Singapore Polytechnic 2025/2026 S1 Examination Results

GPA do semestre 4.00 / 4.00

Ver resultados dos módulos
Singapore Polytechnic 2025/2026 S1 Examination Results
DisciplinaNota
AWS Academy Cloud FoundationsEP0404A
Data EngineeringST1501A
Data Structures and Algorithms (AI)ST1507A
Deep LearningST1504DIST
Persuasive Communication with Data StorytellingCC3004DIST
Digital Communication for ImpactCC1006A
Effective Writing for the WorkplaceCC1008A
Personal Branding and Career AgilityCC1009A

Compartilhado por Kun Ming. Documento original em inglês.

Abrir histórico em PDF (abre em uma nova aba) Baixar PDF
Histórico acadêmico

Ano acadêmico 2024/2025

Resultados do semestre · Mar 2025

Singapore Polytechnic 2024/2025 S2 Examination Results

GPA do semestre 4.00 / 4.00

Ver resultados dos módulos
Singapore Polytechnic 2024/2025 S2 Examination Results
DisciplinaNota
Data FluencyCC2002DIST
Introduction to Digital MarketingEP0702A
Statistics for Data ScienceMS0141DIST
Back-End Web DevelopmentST0503A
Programming for Data AnalyticsST1510A
AI and Machine LearningST1511A

Compartilhado por Kun Ming. Documento original em inglês.

Abrir histórico em PDF (abre em uma nova aba) Baixar PDF
Histórico acadêmico

Resultados do semestre · Sep 2024

Singapore Polytechnic 2024/2025 S1 Examination Results

GPA do semestre 3.78 / 4.00

Ver resultados dos módulos
Singapore Polytechnic 2024/2025 S1 Examination Results
DisciplinaNota
Thinking Critically about the UN SDGsCC1001B
Collaboration in the Digital AgeCC1007DIST
Artificial Intelligence & its ImpactCC2003B+
Problem Solving with Creative and Computational ThinkingCC3005B+
MathematicsMS0105B+
Front-End Web DevelopmentST0501A
Fundamentals of ProgrammingST0523A
Fundamentals of ComputingST2413A

Compartilhado por Kun Ming. Documento original em inglês.

Abrir histórico em PDF (abre em uma nova aba) Baixar PDF
Histórico acadêmico

Resultados do O-Level

Nov 2023

Singapore-Cambridge General Certificate of Education Ordinary Level

Yuhua Secondary School

L1R4: 8 | L1R5: 11

Singapore-Cambridge General Certificate of Education Ordinary Level
DisciplinaNota
English Language1184B3
Mathematics4052A2
Additional Mathematics4049B3
Science (Phy/Chem)5076A1
Humanities (SS/Geography)2272A2
Electronics6063A2

Resultados compartilhados no LinkedIn

O documento original dos resultados não está publicado aqui.

Ver resultados no LinkedIn (abre em uma nova aba)
Solicitar histórico acadêmico
Educação

Detalhes da conquista

Honraria ou prêmio

NYAA Gold Award

NYAA Council

Emitido:

Recebeu o Gold Award, o nível mais alto do programa National Youth Achievement Award. A carta comprobatória anexada é de 31 de agosto de 2026.

  • Concluiu pelo menos 60 horas de aprendizagem por meio do serviço e 36 horas de apreciação de atividades ao ar livre.
  • Concluiu pelo menos 48 horas de atividades de vida saudável.
  • Realizou uma iniciativa de liderança comunitária como parte do programa Gold Award.
Ver registro do prêmio no LinkedIn (abre em uma nova aba)

Detalhes da conquista

Honraria ou prêmio

Director’s Honour Roll

Singapore Polytechnic

Emitido:

Incluído no Director’s Honour Roll da School of Computing da Singapore Polytechnic no ano letivo 2025/2026, pelo desempenho acadêmico de destaque na turma de Applied AI and Analytics.

  • Reconhecido pelo desempenho acadêmico consistente ao longo do ano letivo.
  • Estudou IA, aprendizado de máquina, dados, estatística e computação.
  • Aplicou os conhecimentos do curso em projetos práticos.

Não há imagem do certificado anexada a este registro do prêmio no LinkedIn.

Ver registro do prêmio no LinkedIn (abre em uma nova aba)

Detalhes da conquista

Marco de pesquisa

Quantum–Classical GANs

Ano: 2025

Explorou redes adversárias generativas clássicas e híbridas quântico-clássicas.

  • Preprint público compartilhado no arXiv em 2025.
  • Este é um preprint público, sem alegação de publicação revisada por pares.
Abrir PDF do preprint sobre GANs quânticas (abre em uma nova aba)Preprint sobre GANs quânticas no arXiv (abre em uma nova aba)

Detalhes da conquista

Honraria ou prêmio

Founder’s Award

The Boys’ Brigade in Singapore

Emitido:

Recebeu o Founder’s Award, a maior honraria do Senior Programme da Boys’ Brigade, que reconhece progresso, liderança e serviço.

  • Progrediu pelas principais etapas de premiação do programa.
  • Demonstrou liderança, serviço e envolvimento na companhia.
  • Desenvolveu perseverança, responsabilidade e liderança servidora.
Ver registro do prêmio no LinkedIn (abre em uma nova aba)

Detalhes da conquista

Honraria ou prêmio

Medalha SP Chua

The Boys’ Brigade in Singapore

Emitido:

Recebeu a medalha SP Chua (Best Boy), que reconhece o membro mais destacado da companhia por liderança, serviço, caráter e conduta.

  • Reconhecido pela liderança e pelo serviço na companhia.
  • Demonstrou caráter, boa conduta e disciplina.
  • Contribuiu com participação consistente nas atividades da companhia.
Ver registro do prêmio no LinkedIn (abre em uma nova aba)

Detalhes da conquista

Honraria ou prêmio

Certificado Edusave de Desempenho Acadêmico 2026

Ministry of Education (MOE), Singapore

Emitido:

Reconhecido pelo bom desempenho acadêmico e pela boa conduta durante o Diploma in Applied AI & Analytics no Singapore Polytechnic.

  • O registro do prêmio no LinkedIn informa uma classificação entre os 25% melhores estudantes do mesmo nível e curso.
  • Concedido no âmbito do programa de reconhecimento acadêmico Edusave de Singapura.
  • Certificado emitido pelo Ministério da Educação e pela People’s Association.
  • Segundo ano consecutivo recebendo o Certificado de Desempenho Acadêmico.
Ver registro do prêmio no LinkedIn (abre em uma nova aba)

Detalhes da conquista

Honraria ou prêmio

Certificado Edusave de Desempenho Acadêmico 2025

Ministry of Education (MOE), Singapore

Emitido:

Reconhecido pelo bom desempenho acadêmico e pela boa conduta durante o Diploma in Applied AI & Analytics no Singapore Polytechnic.

  • O registro do prêmio no LinkedIn informa uma classificação entre os 25% melhores estudantes do mesmo nível e curso.
  • Concedido no âmbito do programa de reconhecimento acadêmico Edusave de Singapura.
  • Certificado emitido pelo Ministério da Educação e pela People’s Association.
Ver registro do prêmio no LinkedIn (abre em uma nova aba)

Detalhes da conquista

Marco de pesquisa

Residual Learning Study

Ano: 2025

Foi coautor de um estudo sobre aprendizado residual para redes neurais convolucionais profundas.

  • Preprint público compartilhado no arXiv em 2025.
  • Este é um preprint público, sem alegação de publicação revisada por pares.
Abrir PDF do preprint sobre aprendizado residual (abre em uma nova aba)Preprint sobre aprendizado residual no arXiv (abre em uma nova aba)

Trocas do aldeão

Cooperação — Construir juntos

Traga uma pergunta, uma ideia inicial ou um problema que mereça ser compreendido. Nessas áreas, podemos explorar juntos um próximo passo útil.

Experimentos de IA aplicada

Formulando perguntas úteis, construindo protótipos e avaliando o que os resultados realmente demonstram.

Um possível ponto de partida

Um pequeno experimento, uma referência e uma comparação honesta dos resultados.

Ferramentas de dados e decisão

Limpando dados, explorando padrões e tornando os resultados compreensíveis por meio de painéis interativos.

Um possível ponto de partida

Um conjunto de dados preparado e um painel que explique seus padrões e limites.

Aplicações de IA

Integrando modelos, APIs e interfaces acessíveis em protótipos web práticos.

Um possível ponto de partida

Um protótipo funcional conectando um modelo, uma API e uma interface fácil de usar.

Pesquisa e IA responsável

Comparando ideias de aprendizado de máquina quântico, discutindo limitações dos modelos e refletindo sobre governança de dados.

Um possível ponto de partida

Uma comparação reproduzível, limitações documentadas e perguntas para estudos futuros.

Como podemos começar

  1. ExplorarFazer uma boa pergunta
  2. ConstruirTornar a ideia concreta
  3. AvaliarAprender com as evidências

Traga sua próxima pergunta

Conte o que deseja explorar, quem isso ajudaria e o que já tentou. Podemos conversar sobre o escopo e avaliar se faz sentido colaborar.

Iniciar uma conversa Explorar projetos relacionados

Vamos nos conectar

Tem uma ideia de pesquisa, uma colaboração em mente ou uma dúvida sobre um projeto? Envie uma mensagem ou conecte-se comigo no LinkedIn.
E-mail
kunmingaden@gmail.com
LinkedIn
Goh Kun Ming
GitHub
fishman7337
Google Scholar
Pesquisas e preprints
Localização
Singapura
Abrir currículo em PDF (abre em uma nova aba) Baixar currículo em PDF
Página 1 de 1
Ir para o End
Obrigado por jogar

O End

Continuo aprendendo para construir.Continuo construindo para ajudar.Você não precisa saber tudo para começar.No Minecraft, um bloco começa um mundo.Neste, um pouco de gentileza faz diferença.Siga em frente. Há lugar para você.

Renascer
Goh Kun Ming v1.0.0
Biome: Plains
Local time ·
Progresso alcançado!
Fazendo o inventário

Escavação ancestral

Encontre o Amuleto antes de gastar a picareta. Não há limite de tempo.

Golpes restantes 0 / 0
XP 0
Pistas descobertas0
Como jogar

Cada número é a distância até o Amuleto. Diagonais contam como um passo; números menores indicam maior proximidade.

Pedra e minério usam um golpe. Magma usa dois. Minérios dão XP; encontrar o Amuleto vence a partida.

Toque em um bloco para escavar. No teclado, use as setas para se mover e Enter ou Espaço para escavar. Escape fecha o local de escavação.

Esmeralda +3 Estrela do Nether +8 Pedra luminosa +2 Magma -2 Amuleto das profundezas

Blocos possíveis 54

O guia marca com × os blocos descartados pelas pistas. Você ainda pode escavá-los para obter minério.

Menu e exibição

O guia da vila

Companheiro do portfólio de Kun Ming

Guia local · As últimas 20 trocas ficam nesta aba, inclusive após recarregar. Limpar conversa remove esse histórico. · Salvo nesta aba
ALDEÃO

Boas-vindas, explorador! Escolha um caminho ou pergunte sobre um projeto. Posso encontrar fontes dos projetos, explicar o trabalho e ajudar você a se conectar com Kun Ming.

Escolha um caminho

Pergunte sobre o trabalho de Kun Ming

Ferramentas do guia e IA
Modo de resposta

A IA on-line não está conectada. O guia local está disponível.

As respostas da IA podem pesquisar o portfólio publicado e o texto disponível dos documentos dos projetos. Consulte as fontes para conferir a resposta.

Quando ativada, o servidor envia sua pergunta, a conversa recente com a IA, o idioma, a seção atual e informações publicadas do portfólio e trechos de PDF selecionados ao fornecedor de IA configurado. O histórico local nunca é enviado.

AWS Bedrock é o serviço escolhido; o processamento pode ocorrer fora de Singapura. O chat é apagado ao recarregar. As regras de dados do fornecedor continuam válidas. Evite informações privadas e confira as respostas nas fontes.

Ler detalhes de privacidade da IA

Cada modo mantém sua própria conversa. As opções de copiar e baixar exportam apenas a conversa exibida na tela.

Certificações
Comparar projetos

Escolha dois projetos para comparar objetivos, ferramentas e evidências disponíveis.

Contatar Kun Ming

Inventário pessoal

Algumas coisas para as quais reservo espaço além da pesquisa e do código.

Jogos

Construindo juntos

Jogar faz parte do meu tempo livre. No 2º ano, meus amigos da faculdade e eu administramos um servidor de Minecraft juntos.

Esse mundo compartilhado é o motivo da aparência deste portfólio: curiosidade, criatividade e construção entre amigos.

Mude de interesse pelas abas com itens.
1–9 selecionar ←→ na barra de atalhos M minerar Esc início F3 depuração
Destino
Link completo