I’ve been busy writing this month and wanted to share two new technical posts I published over on the JetRockets blog. Both are focused on building more capable and reliable AI applications in Ruby, and they complement each other well.
Códigos e Aforismos: lições da programação para a escrita nas Ciências Humanas 17-10-2025Quem nunca se exasperou diante de um texto, livro ou tese escrito de forma truncada e incompreensível? Ou, o que é pior, se perdeu entre repetições, citações intermináveis e floreios literários que mais obscurece do que facilitam a compreensão efetiva do argumento? Como um professor e desenvolvedor apaixonado por literatura, considero isso um sério incômodo. Em um contexto onde a demanda por conhecimento explorando novos formatos — do YouTube ao Chatgpt, passando por podcasts e games — cresce exponencialmente, a clareza da escrita torna-se uma questão urgente para as ciências no geral e crucial para o ensino.
Immersing in AI: Notes from a Developer Studying Machine Learning, Ethics and Data 22-09-2025This semester, I chose Supervised Machine Learning and Ethics and Data as my first courses in the Artificial Intelligence program at UFRN. The first deals with algorithms that learn from examples, covering everything from data collection, systematization, and adjustments to the construction of decision trees and artificial neural networks. The goal is that, by the end of the semester, we’ll be able to build predictive models from real datasets. For example, a machine could receive a patient’s exam data and predict whether or not they have a predisposition to a certain disease. The second course, on the other hand, covers the historical, philosophical, and legal dimensions of using data and algorithms, including topics like bias, privacy, transparency, and responsibility.
Imergindo na IA: notas de um desenvolvedor estudando Aprendizado de Máquina e Ética e Dados 22-09-2025Escolhi neste semestre as disciplinas de Aprendizado de Máquina Supervisionado e Ética e Dados como minhas primeiras do curso de Inteligência Artificial (UFRN). A primeira trata de algoritmos que aprendem a partir de exemplos, desde a coleta, sistematização e ajustes de dados até a construção de árvores de decisão e redes neurais artificiais. A proposta é que, ao final do semestre, sejamos capazes de construir modelos preditivos a partir de conjuntos de dados reais. Por exemplo, a máquina receber os dados de exame de um paciente e prever se ele tem ou não predisposição a uma certa doença. Já a segunda trata de dimensões históricas, filosóficas e legais do uso de dados e algoritmos, como vieses, privacidade, transparência e responsabilidade.