Sou estudante de Ciência da Computação na UFAM, construindo minha base em desenvolvimento back end, bancos de dados, sistemas operacionais e engenharia de software. Gosto de projetos que unem teoria e prática: do escalonamento de threads a APIs REST e agentes baseados em LLM.

• 🎓 Cursando Ciência da Computação (UFAM)
• 🔭 Foco atual: back end, APIs REST e bancos de dados
• 🌱 Aprendendo e praticando: Node.js, Express, MongoDB, Mongoose, Docker e LLMs locais
• 🌌 Apaixonado pelo universo de Star Wars
• 🎮 Jogo favorito: Hollow Knight, pela trilha sonora, arte e complexidade do gameplay

Agente autônomo para o jogo Nota Secreta (uma variação de Dixit com músicas brasileiras), integrando um modelo de linguagem local (Phi-3.5-mini-instruct) a rotinas de fallback heurístico em camadas, para garantir resiliência em um ambiente multiagente.

• Arquitetura híbrida defensiva: cada decisão combina chamada à LLM com camadas de fallback algorítmico (planos A/B/C), então o agente nunca trava a partida nem devolve resposta inválida
• Engenharia de prompts: few-shot, tentativas com temperaturas diferentes, saída em JSON estrito e índices posicionais para reduzir alucinações
• Observabilidade: logs separados por run_id, com render_log_readable.py para visualizar partidas e analyze_decisions.py para medir a taxa de sucesso da LLM versus cada fallback

Cinco microsserviços Node.js autônomos, desenvolvidos na certificação do freeCodeCamp: Timestamp, Request Header Parser, URL Shortener, Exercise Tracker e File Metadata.

• APIs REST com rotas, métodos HTTP, status codes (incluindo redirecionamento 302) e respostas JSON consistentes
• Persistência com MongoDB e Mongoose, modelando usuários e exercícios relacionados
• Consultas com filtros por intervalo de datas (from, to) e limite de resultados (limit)
• Validação de URLs com consulta DNS ativa (dns.lookup) antes de gravar
• Upload de arquivos com Multer (memoryStorage), além de Dotenv e CORS

Projeto final de POO: sistema de gestão de um Manga Café com interface gráfica (Swing) e modo CLI, evoluindo de persistência em memória para integração com PostgreSQL.

• Padrão DAO separando lógica de negócio e acesso ao banco, com JDBC e Prepared Statements
• Interfaces e polimorfismo (Vendivel) e herança (Pessoa → Funcionario / Usuario) refletida no modelo relacional
• Vendas com carrinho e baixa de estoque transacional, CRUD de clientes e funcionários e criação automática das tabelas via init.sql

• TP1: escalonamento e concorrência, com cenários de race conditions (leitores × escritores, produtores × consumidores) resolvidos com semáforos
• TP2: ganho de desempenho com threads em multiplicação matricial, produto escalar e simulação de servidor web, com relatório e gráficos gerados em Python

Projeto	Descrição	Tecnologias
Trabalho Prático 1: ETL Amazon	Pipeline ETL que processa o dataset de produtos da Amazon (SNAP) e carrega em PostgreSQL com esquema projetado bottom-up e normalizado até a 4FN, mais um dashboard de consultas
Trabalho Prático 2: Armazenamento em memória secundária	Programas em C++17 para armazenar e consultar artigos científicos em disco, com arquivo de dados em Hashing (endereçamento aberto) e índices em Árvore B+ (primário por ID e secundário por título)

"Aprender é a única coisa que a mente nunca se cansa, nunca tem medo e nunca se arrepende", Leonardo da Vinci