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

Engenharia de dados

Backend e infraestrutura

Análise de dados

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

Me chama no LinkedIn.