Filipe S.
Desenvolvedor Full-Stack Python/React - IA Aplicada a Negócios
(0.0 - 0 avaliações)
Ranking: 3762499 | Projetos concluídos: 0 | Recomendações: 0 | Registrado desde: 25/07/2026
Sobre mim:
Eu resolvo um problema específico: sistemas que não conversam entre si e processos que ainda dependem de alguém abrindo planilha todo dia.
São 5 anos em TI, passando por suporte, infraestrutura e desenvolvimento. Hoje trabalho como desenvolvedor e analista de dados em ambiente corporativo, construindo aplicações internas de ponta a ponta: back-end em Python/FastAPI, front-end em React com TypeScript, banco, ETL e a infraestrutura que mantém tudo no ar. Não entrego protótipo que roda só na minha máquina — entrego serviço instalado, com log, tratamento de erro e execução agendada.
Meu principal projeto em produção hoje é uma plataforma de IA documental corporativa, e ele resume bem o nível em que trabalho:
O usuário escolhe um tipo de documento, conversa com um assistente já configurado para aquele contexto e anexa arquivos que entram numa base de conhecimento própria (RAG com PostgreSQL + pgvector e busca por similaridade). A ingestão lê PDF, DOCX e até documento escaneado — nesse caso as páginas passam por OCR via modelo de visão, sem depender de GPU local. Para arquivos grandes demais para caber no contexto do modelo, existe um estágio de map-reduce que analisa em janelas e consolida, em vez de simplesmente truncar e cegar a IA.
A parte de que mais me orgulho é o ciclo de melhoria contínua dos prompts: o sistema extrai aprendizados das conversas encerradas, submete cada candidato a um crítico automático, exige corroboração em casos independentes antes de aceitar, e só promove a nova versão se ela passar num gate de avaliação contra um conjunto de casos-teste — nunca aceitando regressão. Depois da promoção, um canário reavalia a versão nova contra a anterior e reverte sozinho se a qualidade caiu. Autenticação corporativa via LDAP com JWT, e todo o comportamento do modelo versionado, auditável e reversível.
Ou seja: eu não "conecto uma API de IA". Construo o sistema em volta dela, com as travas que fazem a coisa ser confiável em produção.
Stack: Python, FastAPI, Pandas, React, TypeScript, Vue 3, PostgreSQL, pgvector, MySQL, SQL Server, SQLite, Playwright, Docker, Linux, Power BI/DAX, ECharts, APIs REST e integrações com Microsoft 365.
São 5 anos em TI, passando por suporte, infraestrutura e desenvolvimento. Hoje trabalho como desenvolvedor e analista de dados em ambiente corporativo, construindo aplicações internas de ponta a ponta: back-end em Python/FastAPI, front-end em React com TypeScript, banco, ETL e a infraestrutura que mantém tudo no ar. Não entrego protótipo que roda só na minha máquina — entrego serviço instalado, com log, tratamento de erro e execução agendada.
Meu principal projeto em produção hoje é uma plataforma de IA documental corporativa, e ele resume bem o nível em que trabalho:
O usuário escolhe um tipo de documento, conversa com um assistente já configurado para aquele contexto e anexa arquivos que entram numa base de conhecimento própria (RAG com PostgreSQL + pgvector e busca por similaridade). A ingestão lê PDF, DOCX e até documento escaneado — nesse caso as páginas passam por OCR via modelo de visão, sem depender de GPU local. Para arquivos grandes demais para caber no contexto do modelo, existe um estágio de map-reduce que analisa em janelas e consolida, em vez de simplesmente truncar e cegar a IA.
A parte de que mais me orgulho é o ciclo de melhoria contínua dos prompts: o sistema extrai aprendizados das conversas encerradas, submete cada candidato a um crítico automático, exige corroboração em casos independentes antes de aceitar, e só promove a nova versão se ela passar num gate de avaliação contra um conjunto de casos-teste — nunca aceitando regressão. Depois da promoção, um canário reavalia a versão nova contra a anterior e reverte sozinho se a qualidade caiu. Autenticação corporativa via LDAP com JWT, e todo o comportamento do modelo versionado, auditável e reversível.
Ou seja: eu não "conecto uma API de IA". Construo o sistema em volta dela, com as travas que fazem a coisa ser confiável em produção.
Stack: Python, FastAPI, Pandas, React, TypeScript, Vue 3, PostgreSQL, pgvector, MySQL, SQL Server, SQLite, Playwright, Docker, Linux, Power BI/DAX, ECharts, APIs REST e integrações com Microsoft 365.
Resumo da experiência profissional:
Comecei em suporte e infraestrutura antes de migrar para desenvolvimento, e isso mudou a forma como eu escrevo software: entendo o caminho inteiro, do servidor e da rede até a tela que o usuário final usa. Sei o que quebra em produção porque já fui quem consertava.
Hoje atuo como desenvolvedor e analista de dados em ambiente corporativo, responsável por aplicações internas de ponta a ponta — levantamento com a área, banco, back-end, interface, publicação e manutenção.
Tipos de problema que eu já resolvi, e resolvo bem:
• Sistemas com IA que precisam ser confiáveis. Plataformas de chat documental com base de conhecimento própria (RAG sobre PostgreSQL + pgvector), OCR de documentos escaneados por modelo de visão, análise de arquivos grandes por map-reduce e avaliação automática de qualidade com gate de regressão e rollback automático. Arquitetura em camadas, com bateria de testes e um modo offline que permite rodar o sistema inteiro sem chamar IA nenhuma — o que torna o desenvolvimento barato e os testes determinísticos.
• Unificar dados de fontes que não se falam. Bancos corporativos distintos, arquivos em drive de rede e APIs externas convertidos num modelo único e confiável, com ETL agendado, no lugar de consolidação manual toda semana.
• Trocar planilha compartilhada por aplicação web. Cadastro com validação, controle de acesso por perfil, login integrado ao diretório da empresa (Active Directory/LDAP) e histórico do que cada pessoa alterou.
• Migrar relatórios para uma stack própria. Já reconstruí uma dezena de relatórios que viviam em ferramenta de BI licenciada como aplicação em FastAPI + React, com camada de dados curados.
• Automatizar sistemas web sem API. Extração e preenchimento em interfaces que não oferecem integração — inclusive uma que troca os identificadores de tela a cada sessão, o que exige uma abordagem que não dependa de seletor fixo.
• Rotinas que rodam sozinhas e avisam quando falham. Serviços em systemd, timers, tentativa automática em caso de erro e alerta no Teams, Telegram ou e-mail — incluindo o alerta mais difícil, o de quando a rotina simplesmente não rodou.
• Comunicação em massa com responsabilidade. Disparo de e-mails via Microsoft Graph com controle de taxa, lista de supressão e cuidado com LGPD.
• Visão computacional e dispositivos. Reconhecimento facial em câmera RTSP com disparo de webhook, e painéis em modo kiosk rodando em Raspberry Pi.
O padrão em tudo que faço é o mesmo: o sistema precisa continuar funcionando quando ninguém estiver olhando. Log, retry, permissão e caso de erro entram como parte da entrega, não como extra cobrado depois.
Hoje atuo como desenvolvedor e analista de dados em ambiente corporativo, responsável por aplicações internas de ponta a ponta — levantamento com a área, banco, back-end, interface, publicação e manutenção.
Tipos de problema que eu já resolvi, e resolvo bem:
• Sistemas com IA que precisam ser confiáveis. Plataformas de chat documental com base de conhecimento própria (RAG sobre PostgreSQL + pgvector), OCR de documentos escaneados por modelo de visão, análise de arquivos grandes por map-reduce e avaliação automática de qualidade com gate de regressão e rollback automático. Arquitetura em camadas, com bateria de testes e um modo offline que permite rodar o sistema inteiro sem chamar IA nenhuma — o que torna o desenvolvimento barato e os testes determinísticos.
• Unificar dados de fontes que não se falam. Bancos corporativos distintos, arquivos em drive de rede e APIs externas convertidos num modelo único e confiável, com ETL agendado, no lugar de consolidação manual toda semana.
• Trocar planilha compartilhada por aplicação web. Cadastro com validação, controle de acesso por perfil, login integrado ao diretório da empresa (Active Directory/LDAP) e histórico do que cada pessoa alterou.
• Migrar relatórios para uma stack própria. Já reconstruí uma dezena de relatórios que viviam em ferramenta de BI licenciada como aplicação em FastAPI + React, com camada de dados curados.
• Automatizar sistemas web sem API. Extração e preenchimento em interfaces que não oferecem integração — inclusive uma que troca os identificadores de tela a cada sessão, o que exige uma abordagem que não dependa de seletor fixo.
• Rotinas que rodam sozinhas e avisam quando falham. Serviços em systemd, timers, tentativa automática em caso de erro e alerta no Teams, Telegram ou e-mail — incluindo o alerta mais difícil, o de quando a rotina simplesmente não rodou.
• Comunicação em massa com responsabilidade. Disparo de e-mails via Microsoft Graph com controle de taxa, lista de supressão e cuidado com LGPD.
• Visão computacional e dispositivos. Reconhecimento facial em câmera RTSP com disparo de webhook, e painéis em modo kiosk rodando em Raspberry Pi.
O padrão em tudo que faço é o mesmo: o sistema precisa continuar funcionando quando ninguém estiver olhando. Log, retry, permissão e caso de erro entram como parte da entrega, não como extra cobrado depois.
Habilidades:
- Business Intelligence
- Inteligência Artificial
- Javascript
- NodeJS
- PostgreSQL
- Python
- React
- Automação de processos robóticos
- Linux
- Web Scraping
Áreas de interesse:
- UX/UI & Web Design
- Banco de Dados
- Desenvolvimento Web
- Cloud Computing
- Criação & Integração com IA
