CORE_ENGINEER // V2.0.4

Engenharia de Alta Performance em Backend & IA.

Arquitetando infraestruturas de missão crítica onde lógica encontra escalabilidade. Especialista em processamento de dados em larga escala, agentes autônomos e arquiteturas neurais de baixa latência.

Ver Trabalhos Stack Técnico

system.init()
neural_net.status: active
latency.ms: 12.4ms

-80%

Uso de RAM Otimizado

-40%

Tempo de Export Reduzido

-25%

Divergência de Estoque

+30%

Eficiência Operacional

HISTÓRICO_DE_DEPLOY

Experiência Profissional

ZNAP Technologies

Engenheiro Backend Sênior // 2022 — PRESENTE

Node.jsGoPythonSAP

Arquitetura de Integração Sonova

Engenharia de pipelines complexos de sincronização de dados SAP para a líder global em cuidados auditivos Sonova, garantindo 99.9% de consistência de dados em deployments multi-região.

Otimização ERP Venturus / Nissin

Otimização de integrações ERP complexas para a Nissin via Venturus, alcançando 80% de redução no uso de RAM em processamento batch e 25% de queda na divergência de dados de estoque via lógica transacional aprimorada.

Ecossistema Unificado de Call Center

Arquitetura de ambiente de microsserviços distribuídos conectando plataformas legadas de call center com analytics modernos orientados a IA, reduzindo latência em 45ms por requisição.

Plataforma de Gestão de Ativos Reag

Construção de sistemas de rastreamento de investimentos de missão crítica para a Reag, processando milhões de pontos de transação diariamente com auditoria de alta integridade.

OPERAÇÕES_NEURAIS

IA & Pesquisa

Visualização abstrata de caminhos de redes neurais brilhando em tons de ciano e branco contra fundo preto

Análise Curricular com IA

42 SCHOOL LABORATÓRIO DE INOVAÇÃO

Desenvolvimento de um motor de análise semântica automatizada para currículos da 42 School. Utilizando LLMs para mapear clusters de aquisição de habilidades e otimizar trilhas de aprendizado através de reconhecimento de padrões e embeddings vetoriais.

NLPVector DBPython

Arte digital representando agentes de software autônomos como nós luminosos interconectados em uma rede tridimensional complexa

Agentes Autônomos & MCP

P&D PROPRIETÁRIO

Implementação de servidores Model Context Protocol (MCP) para conectar ferramentas de desenvolvimento local com workflows agênticos em larga escala. Foco em colaboração multi-agente e persistência de memória de longo prazo para automação de engenharia.

MCPLangChainTypeScript

Visualização abstrata de pipelines de processamento GPU com fluxos de dados

Pipeline de Upscaling com IA

INFRAESTRUTURA GPU OTIMIZADA EM CUSTO

Construção de um serviço dinâmico de upscaling de vídeo que provisiona instâncias GPU no RunPod sob demanda para processar conteúdo legado. Otimização de custos de $10 para $0,20 por vídeo de 20 minutos — redução de 98% — alcançando 12 minutos de processamento através de agendamento inteligente de recursos e auto-scaling.

RunPodGPUPythonFFmpeg

CAPACIDADES_DO_SISTEMA