Na Pontifícia Universidade Católica do Rio de Janeiro (PUC-Rio), seus estudos em BSc/MSc in Data Science, Optimization & Computer Vision (Creator of Lua Language — Tecgraf) fornecem a base teórica mais rigorosa do país em otimização, inferência estatística e cálculo estocástico. Nos pods de R&D da markowitz.systems, transformamos 100% da matemática universitária que você aprende na graduação e pós-graduação — de decomposições espectrais e contração de covariância a fronteiras eficientes de Markowitz — em algoritmos de alocação de computação em tempo real para enxames de LLMs e verificadores formais. Trabalhando de forma remota e assíncrona (10 a 25 horas semanais), você concilia aulas teóricas, laboratórios e listas de exercícios com engenharia de pesquisa de fronteira, recebendo remuneração internacional competitiva e mantendo pausa integral garantida durante as semanas de provas. O resultado são modelos e códigos em produção que operam sob garantias estatísticas exatas, além da coautoria de preprints acadêmicos de alto impacto que impulsionam diretamente sua monografia, dissertação ou tese.
Pesquise e programe nos intervalos entre aulas teóricas, laboratórios e listas de exercícios. Nossa dinâmica é 100% assíncrona via Git, issues estruturadas e pull requests orientados a provas matemáticas, permitindo que alunos de graduação, mestrado e doutorado definam seus próprios horários semanais com total autonomia acadêmica.
Compensação remota direta em moeda forte (US$ 20 a US$ 45 por hora), compatível com dedicação part-time de excelência. Aplicamos formalmente o Protocolo Exam-Safe: pausa completa (0 horas semanais) durante as semanas de provas intermediárias e exames finais, com garantia contratual de preservação irrestrita da sua vaga no pod de R&D.
Os desenvolvimentos teóricos do seu pod alimentam diretamente monografias de bacharelado, projetos de iniciação científica (PIBIC), dissertações de mestrado e teses de doutorado. Estudantes coautores publicam preprints de ponta (2024–2026) e contam com acesso irrestrito ao acervo de 39 horas de educação continuada (CPE) em {preprints_url}.
| Disciplina / Área Teórica | Formulação Matemática | Pod de R&D | Aplicação em Produção |
|---|---|---|---|
| Otimização Convexa e Não-Linear | min_w w^T Σ w s.t. w^T μ ≥ μ*, 1^T w = 1, w ≥ 0 |
POD-01 (Alocação de Computação & Otimização Convexa) | Alocação ótima de orçamento de computação e pesos de amostragem entre múltiplos LLMs heterogêneos e verificadores determinísticos, minimizando a variância de respostas incorretas sob restrições estritas de acurácia média e latência. |
| Teoria das Probabilidades e Processos Estocásticos | N_eff = N / (1 + (N - 1)ρ̄) |
POD-01 (Alocação de Computação & Otimização Convexa) | Demonstração analítica de por que 50 prompts correlacionados com ρ̄=0,70 equivalem a apenas N_eff ≈ 1,42 especialistas independentes; formulação de estratégias de descorrelação semântica e amostragem ortogonal de cadeias de raciocínio. |
| Estatística de Alta Dimensão e Econometria Teórica | Σ̂_LW = (1 - δ*)S + δ*F |
POD-02 (Contração de Covariância & Denoising Espectral) | Estimação robusta da matriz de covariância de erros de agentes quando o número de modelos e ferramentas excede o número de rodadas avaliadas (N > T), empregando contração de Ledoit-Wolf e remoção de autovalores espúrios via lei de Marčenko-Pastur. |
| Teoria do Risco Atuarial e Valores Extremos | Σ⁻_ij = E[min(R_i-τ,0)min(R_j-τ,0)], CVaR_99%(L_w) ≤ M_audit |
POD-02 (Contração de Covariância & Denoising Espectral) | Cálculo de semivariância downside de Markowitz (1959) e limites de risco de cauda via Rockafellar-Uryasev para isolar alucinações críticas e mitigar modos catastróficos de falha sob restrições formais de auditoria. |
| Economia Financeira e Cálculo Estocástico | w_tan ∝ Σ⁻¹(μ - c·1), SR(w) = w^T(μ - c) / √(w^T Σ w) |
POD-03 (Roteamento de Tangência & Separação de Tobin) | Aplicação do Teorema de Separação de Tobin: compiladores formais e testes unitários atuam como ativos livres de risco (σ_0 = 0), combinados ao portfólio de tangência de LLMs estocásticos para maximizar o índice de Sharpe de raciocínio por custo de inferência. |
| Inferência Estatística e Testes Sequenciais de Hipóteses | P(Type I Error) ≤ α (Neyman-Pearson FrugalGPT/RouteLLM Cascade) |
POD-04 (Roteamento Sequencial & Preprints Acadêmicos) | Arquitetura de roteamento hierárquico sequencial entre modelos econômicos e de alta capacidade garantindo controle rigoroso de erro Tipo I via lema de Neyman-Pearson; integração com a biblioteca de 39 horas de CPE e preprints em {preprints_url}. |
1. Portal de Carreiras USP / UNICAMP / FGV / PUC-Rio & Gupy Campus: Estudantes da Pontifícia Universidade Católica do Rio de Janeiro (PUC-Rio) que acessam esta chamada via Portal de Carreiras USP / UNICAMP / FGV / PUC-Rio & Gupy Campus: submetam seu histórico escolar analítico e link do GitHub ou Overleaf pelo formulário de candidatura. Aceitamos alunos de graduação e pós-graduação das áreas de Exatas (IME, Poli, FEA, IF, estatística, matemática aplicada, ciência da computação e economia quantitativa) para integração contínua aos pods de R&D. (RSS/XML Job Feed · iCal Open Office Hours · Google Classroom)
2. Python Seminar & Thesis Kit (/uni/br-puc-rio/lab.py): Kit de laboratório reproduzível em Python (script executável em 5 minutos para seminários departamentais e workshops estudantis), demonstrando a degradação de especialistas correlacionados via cálculo analítico de N_eff e a correção da matriz empírica por contração de Ledoit-Wolf (Σ̂_LW) com filtragem espectral de Marčenko-Pastur.