Dr. Jeferson Chagas: KI & angewandte Wissenschaften

Berufliches Profil

Meine Laufbahn wird von einer doppelten Berufung angetrieben: der Leidenschaft für die Lehre und dem Engagement für die wissenschaftliche Forschung. Dieser Weg beruht auf der Anwendung der Wissenschaft auf reale Herausforderungen – von nachhaltiger Gemeinwesenentwicklung in abgelegenen Regionen bis hin zur Schnittstelle von Materialwissenschaft und angewandter künstlicher Intelligenz. Derzeit fließt dieses Engagement für Lehre und Forschung in die Koordination und Entwicklung spezialisierter Postgraduierten-Studiengänge.

Forschung & Schwerpunkt angewandte KI

Physics-Informed Machine Learning (PIML): Einsatz von Physics-Informed Neural Networks (PINNs) als Ergänzung klassischer Methoden bei der Untersuchung mechanischer Materialeigenschaften und der Schadensanalyse.

Computergestützte Modellierung: Einbindung Python-basierter ML/DL-Frameworks in etablierte wissenschaftliche Verfahren, um die Interpretierbarkeit von Modellen zu verbessern.

Wissenschaft für Gemeinschaft & globale Wirkung: Anwendung ingenieur- und naturwissenschaftlicher Prinzipien auf Fragen von sauberem Wasser und Nachhaltigkeit weltweit, wobei technische Lösungen an kulturelle und lokale Gegebenheiten angepasst werden.

Akademische Ausbildung

Doctor of Philosophy (Ph.D.)

Schwerpunkt Materialwissenschaft und angewandte künstliche Intelligenz

Berufliche & akademische Erfahrung

Bildungsberater & Studiengangskoordinator

Enova Educacional

Juni 2024 – heute

Entwicklung von Modulen zu künstlicher Intelligenz (KI) für verschiedene Postgraduierten-Studiengänge.
Akademische Koordination von 6 Postgraduierten-Studiengängen in Theologie mit Blick auf abgestimmte Lehrpläne, exzellente Dozenten und den Erfolg der Studierenden.

Lernbegleiter & KI-Dozent

Instituto Hikmah

Okt. 2020 – heute

Entwicklung von KI-Kursen, darunter Einführung in KI, Machine Learning, Deep Learning und Agentic AI.
Forschung zu KI-Anwendungen in Chemie, Verfahrenstechnik und Materialwissenschaft.
Befähigung von Fachkräften, interkulturelle Kommunikation in ihre berufliche Entwicklung und die Leitung multikultureller Teams einzubinden.

Missionsberater & Mentor

First Baptist Church — Conroe, Texas

Nov. 2022 – März 2025

Mentoring von Ehrenamtlichen in interkultureller Kommunikation, Kulturanthropologie und arabischer Sprache.
Mobilisierung der Gemeinde für ein besseres interkulturelles Kommunikationsverständnis und Schulung multikultureller Teams.

Projektingenieur

International Brazilian Mission Board

Jan. 2007 – Juli 2015

Lebte drei Jahre in Peking, lernte Sprache und Kultur und unternahm Erkundungsreisen, um die sanitären Verhältnisse und die Wasserqualität in abgelegenen Orten zu verstehen, besonders in ländlichen Gebieten unter ethnischen Minderheiten.
Umzug in die Provinz Yunnan und Entwicklung von Wasserbauprojekten für kleine Gemeinschaften. Umsetzung von Brunnenbohrungen, Wasserqualitätsanalysen und Zisternenbau.
Mentoring lokaler Gesundheitshelfer und Schulung in technischen Fragen und interkultureller Kommunikation, damit die Projekte dauerhaft eigenständig bleiben.

Professor für Chemie & Mathematik

UNITAU — Taubaté University

März 1994 – Dez. 2000

Professor für Chemie und Koordinator des Chemielabors.
Unterricht in höherer Mathematik für Studierende der Informatik auf Graduiertenebene.
Betreuung von Studierenden bei ihren Abschlussprojekten im Bachelor- und Postgraduiertenstudium.

Fachlehrer

Technische Fachschule

Jan. 1993 – Dez. 1996

Lehrer für industrielle chemische Verfahren, Grundoperationen, industrielle Rohrleitungen und Materialwissenschaft.

15+ Jahre angewandte Projekte

6 Postgraduierten-Studiengänge

25+ Jahre Lehre

4 Gesprochene Sprachen

KI & Machine Learning (PINNs)

Materialwissenschaft & Chemie

Interkulturelle Kommunikation

Akademische Koordination

Wassertechnik & Sanitärversorgung

Multikulturelle Leitung

Ph.D. in Natur- & Ingenieurwissenschaften

Akademischer Koordinator von 6 Theologie-Studiengängen

Wassertechnikprojekte im Senegal, im Irak und in China

Forschung zu Physics-Informed Machine Learning