Engenharia de Dados · Python · SQL · ETL/ELT · Engenharia de Software
Goiânia, GO
Desenvolvedor Python com foco em engenharia de dados e engenharia de software: arquitetura e construção de plataformas envolvendo pipelines de dados, integração de fontes heterogêneas, APIs, processamento assíncrono, sistemas geoespaciais e aplicações analíticas.
Atuo no PET — Saúde Informação & Saúde Digital da UFT, participando do desenvolvimento da arquitetura do LabSUS, plataforma de inteligência em saúde pública voltada à ingestão, processamento, integração e análise de grandes volumes de dados provenientes de múltiplos sistemas nacionais.
Meu portfólio inclui projetos autorais nas áreas de engenharia de dados, geoprocessamento, interoperabilidade semântica, arquitetura backend, sistemas distribuídos, ciência de dados e desenvolvimento full-stack, incluindo LabSUS, Dê um Rolê, Brazilian Public Health Ontology e BioSpace.
Atualmente curso Análise e Desenvolvimento de Sistemas na PUC Goiás, com formação prévia de dois anos e meio em Medicina pela Universidade Federal do Tocantins — experiência que contribui para minha capacidade de compreender, estruturar e modelar problemas de alta complexidade.
plataforma · P&D em saúde pública
projeto principal
LabSUS
"Dados brutos do SUS viram decisão, não planilha."
Plataforma modular de engenharia e inteligência de dados para integrar, processar e analisar grandes volumes de informações do sistema brasileiro de saúde, concebida como infraestrutura aberta, reprodutível e independente de serviços proprietários.
Pipelines de ingestão, transformação e integração de bases nacionais (SIM, SINASC, SIH, SIA, SINAN, CNES, IVS, IBGE), processando múltiplos anos e unidades federativas.
Backend em Django com APIs para consumo dos resultados analíticos e execução assíncrona via Celery e Redis.
Desenvolvimento de aproximadamente 50 modelos estatísticos e de machine learning (séries temporais, análise de sobrevivência, modelagem preditiva, clusterização territorial, inferência causal, entre outros).
Frontend analítico em React com dashboards interativos e visualizações geoespaciais em Plotly.
Brazilian Public Health Ontology — uma camada formal para o que os dados do SUS realmente podem afirmar.
Modelagem semântica do ecossistema brasileiro de dados de saúde pública, integrando conceitualmente fontes como SIM, SINASC, SIH, SIA, SINAN e CNES por meio de RDF, OWL, SHACL e consultas SPARQL, com execução independente e interfaces bem definidas de integração com o LabSUS.
28 axiomas formais, nenhum revertido, verificados por reasoner de lógica de descrição (HermiT) e por consulta SPARQL agregada contra dado real via Oxigraph.
Cobertura completa dos seis sistemas administrativos originais do SUS, com o SINAN chegando a 48 de 49 agravos declarados pelo PySUS.
O próprio processo de formalização encontrou inconsistências lógicas reais no modelo, do tipo que passaria despercebida numa descrição em texto.
Framework de pesquisa que trata a representação de sistemas biológicos — a transformação de dados observados em vetores e espaços matemáticos — como objeto explícito de investigação científica, decompondo o pipeline analítico em observação, representação, geometria e algoritmo, em vez de tratá-la como etapa implícita anterior ao algoritmo.
Validação empírica em bases públicas reais (NHANES e UCI Diabetes 130-US Hospitals) e em uma coorte real de apneia do sono (dados de oximetria/actigrafia), mostrando que fixar a representação e variar apenas a geometria ou o algoritmo pode produzir conclusões opostas sobre a mesma população.
Núcleo genérico por domínio de doença (apneia, diabetes, síndrome metabólica), construído sobre a mesma representação disease-neutral.
Dashboard interativo em Streamlit com módulos de fenotipagem clínica, sobrevivência, inferência causal, domínios latentes, geometrias e sistemas dinâmicos.
Suíte de testes automatizados e documentação técnica bilíngue (português e inglês).
"Sua cidade tem mais coisa acontecendo do que parece."
Plataforma social georreferenciada que conecta eventos, locais, organizações e pessoas a partir da atividade presencial de uma cidade, com forte foco em modelagem de domínio, integridade de dados e expansão multicidade.
Pipeline de dados territoriais de Goiânia: normalização, deduplicação, reprojeção de coordenadas e correção de geometrias, resultando em 687 bairros válidos.
Ingestão de estabelecimentos e eventos com associação espacial via PostGIS, matching, deduplicação e processos idempotentes de atualização.
Sistema de descoberta e ranking combinando proximidade, popularidade, afinidade, distância geográfica e categoria.
Mais de 400 testes automatizados, executados contra PostgreSQL/PostGIS real, cobrindo domínio, autenticação, APIs e segurança.
Autenticação por token, RBAC para organizações, rate limiting e logging estruturado.
deumrole.comcódigo fechado — sem repositório público
Competências técnicas
Engenharia de dados
PythonSQLETL/ELTPipelines de dadosIntegração de fontes heterogêneasQualidade e validação de dadosProcessos idempotentesAutomação de fluxosProcessamento multitemporal e multiestadual
Bancos de dados e armazenamento
PostgreSQLPostGISRedisModelagem relacionalConsultas espaciaisModelagem de domínios complexos
Backend e integrações
DjangoDjango REST FrameworkDjango NinjaAPIs RESTCeleryProcessamento assíncronoRBACAutenticação e autorizaçãoPaginação por cursor
PandasPySUSBioestatísticaSéries temporaisAnálise de sobrevivênciaModelagem preditivaClusterizaçãoInferência causalRedução de dimensionalidade
Geoprocessamento
GeoJSONSistemas de coordenadasReprojeção geográficaAssociação ponto-polígonoMapas interativos
Frontend e visualização
ReactTypeScriptJavaScriptPlotlyViteTailwind CSS
Web semântica e interoperabilidade
RDFOWLSHACLSPARQLOntologiasTriple stores
Experiência
jan/2026 — atual
Pesquisador voluntário — Engenharia de Dados e Saúde Digital
PET Saúde Informação & Saúde Digital, UFT · híbrido
Atuação no desenvolvimento e manutenção da arquitetura do LabSUS-UFT, com foco em engenharia de dados aplicada a sistemas públicos de saúde, processamento de grandes volumes de dados e construção de infraestrutura analítica reproduzível.
Desenvolvimento de pipelines para ingestão, processamento, transformação, integração e disponibilização de dados provenientes de bases nacionais de saúde (SIM, SINASC, SIH, SIA, SINAN, CNES, IVS, IBGE).
Automação de fluxos em Python, padronizando o processamento de múltiplos períodos e unidades federativas.
Construção de matrizes e indicadores epidemiológicos reprodutíveis e auditáveis.
Desenvolvimento de APIs em Django REST e implementação de processamento assíncrono com Celery e Redis.
Participação no desenvolvimento de dashboards em React e Plotly, e de modelos estatísticos e de machine learning aplicados à epidemiologia computacional.
abr/2026
Harvard HSIL Hackathon 2026 — participante
Harvard Health Systems Innovation Lab, Brasília, DF
Desenvolvimento de solução analítica baseada em dados do DATASUS para investigar a relação entre HPV e câncer do colo do útero, integrando múltiplas bases e construindo pipelines automatizados com Python e PySUS orientados ao suporte à tomada de decisão baseada em evidências.
Formação acadêmica
Análise e Desenvolvimento de Sistemas
Pontifícia Universidade Católica de Goiás — PUC Goiás
jan/2026 — previsão jan/2028
Medicina
Universidade Federal do Tocantins — UFT · 2 anos e meio cursados
Formação prévia em ciências da saúde, metodologia científica e raciocínio clínico, aplicada hoje ao desenvolvimento de sistemas, engenharia de dados e epidemiologia computacional.
