Sou desenvolvedor Python na Confiança FIDC, onde trabalho com aplicações e APIs em Django, pipelines de ETL, CDC e integração entre sistemas, quase sempre em Python, SQL e Airflow.

Me formei em Ciências & Tecnologia pela UFRN. Antes de ir para dados, passei pelos laboratórios da universidade (URA, inPACTA, GPH) trabalhando com hardware, IoT e prototipagem, e ainda carrego dessa época o gosto por Linux e por colocar as coisas para rodar em produção. Também gosto de aprender a stack que o problema pede: meu projeto mais recente é em Java com Spring Boot.

• Pipelines de ETL em camadas e CDC em tempo real entre SQL Server e PostgreSQL
• DAGs de produção com Apache Airflow e Docker
• Integração entre sistemas legados e novos em Python
• APIs REST e aplicações web em Django, do desenvolvimento ao deploy
• SQL analítico, dashboards e alguns modelos preditivos

Pipeline que busca Selic, CDI, IPCA e dólar na API SGS do Banco Central, organiza os dados em camadas no Postgres (raw → staging → marts) e expõe os indicadores numa API REST com Django.

• Carga histórica de 26 anos em cerca de 1 minuto, depois incremental, com backfill
• Rodar de novo não duplica dados; só revisões reais do BCB atualizam linhas
• Checagens de qualidade antes dos marts, com os valores conferidos contra o IPCA oficial de 2024
• 118 testes, parte deles em Postgres real, rodando no CI

Sistema web de gestão de frota: agendamento de manutenções com regras de status e um dashboard de indicadores calculados direto no PostgreSQL.

• Camadas controller → service → repository, com JPA no CRUD e SQL puro no dashboard
• Migrations com Flyway: constraints, índices e regras de integridade sobre o schema original
• Login com Spring Security e validações exibidas no próprio formulário
• Testes de integração das consultas em Postgres real (Testcontainers) e tudo sobe com um docker compose up

Change Data Capture do SQL Server para o PostgreSQL: cada INSERT, UPDATE e DELETE na origem chega ao destino via Kafka e Debezium. É a versão de estudo de um fluxo que rodo em produção no trabalho.

• Kafka 4.3 em modo KRaft (sem Zookeeper), Debezium com Source e JDBC Sink Connector
• Upsert no destino e propagação de deletes
• Tabelas selecionadas por regex, só as que têm PK
• Runbook para diagnóstico e troubleshooting

Monitor para servidores com Ollama: avisa no Telegram quando modelos são carregados ou descarregados e quando a API cai, e exporta métricas para o Prometheus. Nasceu num container LXC do Proxmox e virou uma ferramenta genérica para qualquer Linux.

• Serviço systemd endurecido (DynamicUser, ProtectSystem=strict), com nota 3.4 "OK" no systemd-analyze security
• Métricas no textfile collector do node_exporter e regras de alerta prontas
• CI com shellcheck, testes no bash 4.4 a 5.2, instalação real com systemd num runner e smoke test do container
• Token fora do código e do log, estado gravado de forma atômica

Dashboard em Streamlit para acompanhar uma carteira de ações da B3 e dos EUA: candles, indicadores técnicos, correlação entre ativos e destaques da carteira, com dados do Yahoo Finance atualizados de forma incremental.

• Cotação e status da B3 e da bolsa americana atualizados a cada minuto, sem recarregar a página
• Retorno, volatilidade, drawdown, médias móveis, RSI, MACD e correlação, cada um com uma leitura do momento
• Imagem Docker com usuário sem privilégios e healthcheck, compose com PostgreSQL e publicação no GHCR
• CI com testes em três versões do Python, testes contra PostgreSQL real e smoke test do container

Bot do Telegram para equipes que trabalham em escala de plantão: lê a escala no Google Sheets, descobre quem está de plantão no horário pedido e encaminha o pedido de atendimento. Nasceu para uma equipe real da universidade e virou um bot genérico e configurável.

• Turnos, períodos sem atendimento e textos configurados por variáveis de ambiente
• Valida datas, expediente e antecedência mínima considerando o fuso horário
• Regras de negócio isoladas do Telegram e do Google, testadas com um cliente falso
• 62 testes e lint no CI em três versões do Python, com serviço systemd para produção

Engenharia de dados

Backend e infraestrutura

Análise de dados

🇧🇷 Português (nativo) · 🇺🇸 Inglês (intermediário) · 🇪🇸 Espanhol (básico)

Me chama no LinkedIn.