Desenvolvedor Backend e IA Aplicada | Líder Técnico
Construo produtos que colocam LLM em produção de verdade, com atenção a integração, custo de inferência e ao que a operação consegue sustentar.
Comecei em dados (SQL, ETL e BI) e migrei para desenvolvimento backend e IA aplicada. Hoje trabalho na entrega de produtos de IA em ambiente governamental, incluindo um servidor de LLM on-premise em produção para análise de documentos confidenciais. Lidero tecnicamente uma equipe de 4 a 5 pessoas, com revisão de código, desdobramento técnico e mentoria de júniores e estagiários.
Venho da licenciatura em matemática e da sala de aula, o que explica a parte do trabalho que mais gosto: destravar gente.
No que trabalho: backend em Python, integração com APIs de LLM, automação de processos, pipelines de dados e a parte chata e necessária de colocar tudo isso no ar.
No que estou me aprofundando: avaliação de qualidade de saída de LLM, observabilidade de aplicação e Go.
| Período | Cargo | Empresa |
|---|---|---|
| 07/2025 a atual | Líder Técnico e Desenvolvedor Backend/IA | Logiks, cliente Ministério dos Transportes |
| 09/2024 a 06/2025 | Analista de Dados | FPA, Frente Parlamentar da Agropecuária |
| 08/2021 a 03/2024 | Analista de Dados Júnior | Vert Integradora de TI |
| 01/2014 a 03/2021 | Professor de Matemática | Centro Educacional Maria Rosa Molas |
Domínio: Python, SQL, FastAPI, PostgreSQL, Docker e Docker Compose, ETL, BigQuery, Looker Studio, SAS (Enterprise Guide e Visual Analytics), n8n, Git
Experiência em projeto: Go, Kafka, React, Cloudflare, CI/CD, Prometheus e Grafana, APIs de LLM (Gemini e Ollama), MCP, API do SharePoint
Produto próprio em produção, em beta com acesso controlado.
Triagem de currículos assistida por IA. O recrutador cadastra a vaga com seus requisitos, envia currículos em lote e recebe resumo estruturado e nota comparativa gerada por LLM. Por decisão de produto o sistema não elimina candidatos: a decisão final é sempre do recrutador (human-in-the-loop).
- Arquitetura: FastAPI, React e PostgreSQL, com fila Kafka para processamento assíncrono em lote, orquestrados em Docker Compose.
- Camada de IA: prompt autoral para a comparação entre vaga e currículo, com contrato de entrada e saída em JSON estruturado.
- Custo de inferência como requisito: migração de inferência local (Ollama) para API gerenciada (Gemini), contabilização de consumo de tokens na plataforma e quota por plano.
- Infraestrutura: self-hosted em VM Linux, exposta via Cloudflare com HTTPS, CI/CD para build e deploy e monitoramento de containers com Prometheus e Grafana.
| Projeto | Descrição | Stack |
|---|---|---|
| Contabilidade Inteligente | Chatbot que responde perguntas em linguagem natural sobre uma base contábil conectada. | Python, SQLite, LLM |
| ControleGastosApp | Aplicativo de controle de gastos pessoais. | C#, .NET MAUI, XAML |
| Dashboard Petshop | Análise de negócio do setor pet com dados de 2018 a 2020. | Power BI, DAX |
Repositórios mantidos como registro de aprendizado durante a pós-graduação, não como trabalho de
produção: machine-learning-project, Projeto_fraude e Calculadora 3.0.
| Curso | Instituição | Ano |
|---|---|---|
| Pós-graduação em Ciência de Dados e Analytics Avançado | Anhanguera | 2026 |
| Pós-graduação em Inteligência Artificial e Machine Learning | Anhanguera | 2025 |
| Graduação em Gestão da Tecnologia da Informação | UNIP | 2024 |
| Pós-graduação em Docência do Ensino Superior | Unyleya | 2018 |
| Licenciatura em Matemática | Faculdade Projeção | 2014 |
SAS
- Programming 1: Essentials
- Enterprise Guide 1: Querying and Reporting
- Visual Analytics 1 for SAS Viya: Basics
- Visual Analytics 2 for SAS Viya: Advanced
- Data Literacy Essentials
AWS Educate
- Machine Learning Foundations
- Introduction to Generative AI
EF SET
- English Certificate, nível B2
Português, nativo. Inglês, nível B2 certificado pelo EF SET.