Construindo APIs REST com FastAPI, backends organizados em camadas e projetos com foco em acessibilidade — da modelagem do banco de dados à entrega.
Sou estudante de Análise e Desenvolvimento de Sistemas na UNICID (São Paulo), cursando o 4º semestre, com conclusão prevista para dezembro de 2026. Dedico a maior parte do meu tempo de estudo ao desenvolvimento Backend em Python.
No dia a dia isso significa construir APIs REST com FastAPI, cuidar de autenticação com JWT e bcrypt, validar dados com Pydantic v2 e modelar a persistência com SQLAlchemy sobre PostgreSQL — organizando o código em camadas (Models, Schemas, Services, Routers) para manter os projetos legíveis e fáceis de evoluir.
Também trabalho com testes automatizados em pytest, containerização com Docker e, em paralelo, mantenho contato com Java/Spring Boot e com análise de dados em SQL e Power BI.
Estou em busca da minha primeira oportunidade de estágio ou posição júnior em Desenvolvimento Backend Python — presencial, híbrida ou remota.
Tecnologias que uso de forma prática em projetos reais, organizadas por área.
Projetos reais, organizados pela frente de trabalho principal de cada um.
APIs REST em Python (FastAPI) e Java (Spring Boot), com autenticação, testes e arquitetura em camadas.
Problema: organizar tarefas com endpoints CRUD confiáveis e cobertos por testes.
Solução: API REST construída de forma incremental, com foco em qualidade de código e testabilidade; suíte de testes com pytest e containerização com Docker. Desenvolvido integralmente em inglês.
Arquitetura: camadas (Models, Schemas, Services, Routers), versionamento com Conventional Commits.
Problema: login seguro de usuários, com hashing de senha e emissão de tokens.
Solução: API de autenticação em FastAPI com JWT, bcrypt e validação via Pydantic v2.
Arquitetura: refatorada de uma estrutura plana para camadas (Models, Schemas, Services, Routers).
Problema: controlar dados de colaboradores com operações CRUD completas.
Solução: API REST em Java/Spring Boot com tratamento de exceções customizado e documentação bilíngue (PT/EN).
Arquitetura: camadas (Controller, Service, Repository, DTO).
Interfaces em HTML, CSS e JavaScript, incluindo consumo de APIs REST.
Problema: tornar o aprendizado de Libras mais consistente ao longo do tempo.
Solução: aplicação web de aprendizado de Libras com gamificação — XP, sequência diária e repetição espaçada — construída sem frameworks, apenas HTML, CSS e JavaScript.
Problema: apresentar perfis, agenda e chat de forma simples para usuários surdos e ouvintes.
Solução: camada de frontend em HTML, CSS e JavaScript integrada à API em FastAPI.
Projetos ponta a ponta: backend, banco de dados, regras de negócio e frontend integrados.
Backend: FastAPI, com autenticação JWT, agendamentos com regras de negócio e gerenciamento de disponibilidade.
Banco de dados: PostgreSQL via SQLAlchemy. Frontend: HTML, CSS, JavaScript.
Backend: FastAPI com arquitetura em camadas.
Qualidade: testes automatizados com pytest e containerização com Docker.
Backend: FastAPI com autenticação JWT e bcrypt.
Banco de dados: PostgreSQL via SQLAlchemy.
Modelagem, análise e visualização de dados com SQL, Python e Power BI.
Problema: identificar quais clientes concentram maior valor para o negócio.
Solução: análise de dados em SQL Server usando CTEs e Window Functions para segmentar clientes pela metodologia Curva ABC.
Problema: acompanhar indicadores comerciais de forma visual e centralizada.
Solução: dashboard interativo em Power BI para análise de indicadores de vendas.
Problema: auditar dados de uma operação real de e-commerce para mapear gargalos logísticos estaduais e medir o impacto financeiro dos atrasos de entrega.
Solução: pipeline de dados completo em Python — carga, limpeza de nulos e inconsistências, cruzamento de tabelas e agregações — com visualizações geradas em Seaborn e Matplotlib.
Principais insights: Alagoas lidera atrasos no país (20,8%); o Rio de Janeiro mostra ineficiência operacional mesmo com frete barato e proximidade; entregas com mais de 50 dias de atraso custaram, em média, 39,8% a mais de frete.
Plataforma de acessibilidade em Libras — projeto pessoal, nascido de uma dificuldade que eu mesmo enfrento.
Sou uma pessoa surda. O InterLibras AI nasceu da minha própria experiência: a dificuldade real de encontrar profissionais que se comuniquem em Libras no dia a dia.
Pela minha vivência e pela de outras pessoas surdas, é comum enfrentar dificuldades para:
Isso reduz a autonomia em situações do cotidiano. Não tenho números para quantificar o quanto — é uma observação da minha vivência, não uma estatística.
Promover mais autonomia para pessoas surdas, facilitando a busca por profissionais que se comuniquem em Libras — e, quando possível, reduzir a necessidade de um intérprete quando já existe um profissional apto a atender diretamente. Intérpretes continuam essenciais em muitos contextos; o objetivo é ampliar opções, não substituí-los.
O projeto ainda não é um produto finalizado. Os módulos que já existem no backend:
Existe uma frente de IA no projeto, mas ela ainda está em fase de pesquisa — não implementada. Estão sendo estudados recursos como avatar 3D em Libras e automações voltadas à acessibilidade e à comunicação. Esses recursos ainda estão em desenvolvimento e não fazem parte da versão atual.
Ampliar autonomia, facilitar o acesso à informação e a busca por profissionais, e melhorar a experiência da comunidade surda ao buscar atendimento. São objetivos do projeto — não resultados medidos, já que ainda está em desenvolvimento.
Construir o InterLibras AI tem sido, até aqui, meu maior exercício de arquitetura de software: modelagem de banco de dados, organização de regras de negócio, design de APIs REST em camadas com FastAPI, e também pensar em experiência do usuário e acessibilidade desde a concepção — não como algo adicionado depois.
Ordem cronológica de formação, certificações e evolução dos projetos.
Mesmo conteúdo deste site, em formato de documento.
No momento existe apenas a versão em português. Versões em inglês e espanhol serão adicionadas quando estiverem prontas.
Código aberto dos projetos com repositório confirmado.
Aberto a oportunidades de estágio e posições júnior em Desenvolvimento Backend Python. E-mail e LinkedIn são as formas de contato mais rápidas.