Nelson Mateus

Sobre Nelson

Sou doutor em Análise e Modelagem de Sistemas Ambientais, com especialização em mudanças climáticas e eventos extremos, e aplico inteligência artificial, ciência de dados e modelagem preditiva a problemas reais de meteorologia, clima e análise de risco ambiental.

Na IACIT Soluções Tecnológicas, atuo como meteorologista desenvolvedor, transformando dados de satélites, radares e modelos numéricos em produtos operacionais inteligentes, com foco em automação, integração e suporte à decisão. Desenvolvo algoritmos em Python para rastreamento e análise de tempestades, com ingestão e processamento de dados em tempo real, e crio produtos que integram dados de satélite a saídas de modelos numéricos como ECMWF, GFS e WRF, conectados aos sistemas de radar meteorológico e às plataformas de monitoramento da empresa.

Sou também pesquisador colaborador do Cemaden (Centro Nacional de Monitoramento e Alertas de Desastres Naturais), em pesquisa aplicada sobre eventos hidrometeorológicos compostos na hidrovia da Bacia do Prata: modelos preditivos e ferramentas de alerta antecipado que combinam sensoriamento remoto, previsão numérica do tempo e machine learning para apoiar a defesa civil e a segurança do transporte fluvial.

Antes disso, trabalhei por mais de quatro anos como previsor operacional no monitoramento de tempo severo e de descargas atmosféricas, produzindo análises e alertas para os setores de energia e mineração. Minha formação técnica inclui modelagem matemática e estatística, previsão numérica do tempo e do clima, sensoriamento remoto, climatologia e interações biosfera-atmosfera. Sou criador do MeteoSight, uma solução de inteligência atmosférica baseada em IA determinística e generativa.

Na Impacta, sou professor de Análise Exploratória de Dados no MBA Data Science, Advanced Analytics & Applied AI. Conduzo os alunos pelos fundamentos da análise estatística, visual e computacional de dados, com análise univariada e multivariada, detecção de outliers, visualização com Seaborn e Plotly e uso prático de Python (Pandas e NumPy), mostrando como as decisões de limpeza, transformação e entendimento dos dados influenciam diretamente o desempenho de modelos preditivos e generativos.

Formação

• Doutorado em Análise e Modelagem de Sistemas Ambientais – UFMG
• Mestrado em Meteorologia – INPE
• Mestrado em Desastres Naturais – Unesp
• Graduação em Meteorologia – UFAL
• MBA em Big Data & Data Science – Impacta (em andamento)
• Graduação em Análise e Desenvolvimento de Sistemas – Impacta (em andamento)