Engenheiro Sênior de Software, Dados e IA

Eu construo sistemas que tornam dados complexos úteis, confiáveis e rápidos.

Três décadas em engenharia de software, com mais de sete anos focados em plataformas de dados, streaming e IA em produção. Transformo problemas de negócio ambíguos em sistemas duráveis, com resultados mensuráveis.

Ver projetos selecionados Iniciar uma conversa
Currículo Software & Data Platform Currículo Dados & IA
Baseado na Alemanha Oportunidades globais Preferência por remoto Híbrido na região · sem relocação
10×processamento de dados mais rápido
34%menos custo no Snowflake
72%menos incidentes de dados
60%menos custo operacional de IA

Projetos selecionados

Sistemas, não demos.

Visões compactas e seguras de sistemas privados em produção. Os exemplos mostram decisões de engenharia e princípios operacionais sem expor credenciais, dados financeiros ou regras proprietárias.

Repositório público principalOpen source

Plataforma de Decisão com Dados e IA em Produção

Uma implementação de referência orientada à produção para transformar dados operacionais imperfeitos em decisões tipadas e avaliadas. Serviços em Python e Go, orquestração com Prefect, adaptador opcional para Jev, execução em grafos, roteamento de modelos, gates determinísticos, telemetria anonimizada, Docker, CI e dados sintéticos.

  • Gates de liberação fail-closed
  • Roteamento de modelos por custo
  • Testes e benchmarks em containers
Explorar o repositório →
Engenharia de IA2026

Harness Confiável para IA

Uma plataforma de execução baseada em grafos, onde agentes, modelos e ferramentas operam atrás de contratos versionados. Roteamento, retentativas, validação, telemetria e decisões humanas são explícitos—permitindo testar, auditar e evoluir workflows de IA.

  • Retentativas limitadas
  • Traces anonimizados
  • Roteamento por políticas
Padrão simplificado e seguro
class PoliticaDaEtapa:
    tentativas: int
    timeout: float
    efeito: "nenhum | idempotente | inseguro"

    def validar(self):
        if self.tentativas > 1:
            exigir(self.timeout)
            rejeitar(self.efeito == "inseguro")
Ler o estudo de caso →
Engenharia de produto2025–presente

Investment Manager

Uma plataforma privada de decisão e operações que integra relatórios de carteira, workflows de opções, apoio tributário, reconciliação e execução controlada. PostgreSQL é o sistema de registro; mudanças críticas usam preview, transação e trilha de auditoria.

  • 99,8% de cobertura
  • Reconciliação de 90 para <10 min
  • Operações auditáveis
Limite operacional
with transacao():
    plano = visualizar(comando)
    validar(plano, estado_atual)
    resultado = aplicar(plano, chave_idempotente)
    auditar(resultado, ator, versao_da_fonte)
Ler o estudo de caso →
Plataforma de dadosProdução

Plataforma de Dados com Prefect

Uma camada de orquestração para dados de mercado, preços, analytics e estratégias. Combina políticas limitadas por tempo, backfills de fontes oficiais, provedores alternativos, observabilidade e finalização fail-closed para saídas críticas.

  • Ingestão multi-fonte
  • Backfills retomáveis
  • Validações fail-closed
Padrão de flow resiliente
@flow(timeout_seconds=politica.limite)
def ingerir_dados(data):
    simbolos = executar_com_guarda(buscar_simbolos)
    precos = paralelo(buscar_precos, simbolos)
    validar_cobertura(precos)
    finalizar_atomicamente(data, precos)
Ler o estudo de caso →
Engenharia de dadosImpacto profissional

Dados mais rápidos, baratos e seguros

Em plataformas com streaming, Snowflake e Spark, o trabalho recorrente é o mesmo: transformar atualização em capacidade do produto, tornar custo observável e fazer da confiabilidade uma parte da arquitetura—não uma fase de limpeza.

  • 4× mais throughput
  • 34% menos custo
  • 72% menos incidentes
Contrato do produto de dados
contrato = {
  "atualizacao": "quase em tempo real",
  "idempotente": true,
  "reprocessavel": true,
  "responsavel": "definido",
  "custo_visivel": true
}
Ler o artigo →

Notas de engenharia

Decisões por trás dos sistemas.

Artigos curtos e práticos sobre confiabilidade, custo, arquitetura e operação de sistemas em produção. Cada um funciona sozinho e pode ser compartilhado diretamente no LinkedIn.

01 / SISTEMAS DE IA

IA confiável precisa de contratos, não apenas prompts

Por que roteamento, retentativas limitadas, validação, telemetria anonimizada e segurança de efeitos colaterais pertencem à plataforma.

Ler o artigo →
02 / ORQUESTRAÇÃO

Prefect ou Airflow? Uma decisão baseada no workload

O que uma plataforma de dados de mercado realmente exige: workflows Python dinâmicos, execuções ad hoc, limites claros e recuperação.

Ler o artigo →
03 / AUTOMAÇÃO

Como reduzi minha rotina diária de trading para 30 minutos

Como ingestão de dados, pipelines de estratégia, validação e uma interface de revisão controlada transformaram horas de trabalho fragmentado em uma rotina objetiva.

Ler o artigo →
04 / IMPACTO

Como plataformas ficam mais rápidas, baratas e seguras

As alavancas de engenharia por trás de 4× mais throughput, 34% menos custo e 72% menos incidentes.

Ler o artigo →
05 / APOIO À DECISÃO

De sinais de dados a oportunidades operacionais

Como Harness, grafos, LLMs, evals e o classificador type-safe JEV podem apoiar decisões intradiárias sem abrir mão do controle.

Ler o artigo →
06 / STREAMING

De CDC no PostgreSQL a Snowflake quase em tempo real

Por que Spark Structured Streaming deveria ficar entre Pub/Sub e Snowflake—e qual problema de WAL no PostgreSQL ele não resolveria.

Ler o artigo →
07 / OBSERVABILIDADE

Quando Prometheus não suportou mais a observabilidade do produto

Como Snowplow, Snowflake Streams e Grafana escalaram análises de usuários, links, páginas, indisponibilidade e comportamento do sistema.

Ler o artigo →

Experiência

Profundidade no sistema completo.

Atuo da intenção do produto à arquitetura, implementação, contratos de dados, deploy e operação. O objetivo não é uma stack da moda; é um sistema em que o time possa confiar.

Engenharia de software

Python, Go, TypeScript, Clojure, sistemas distribuídos, APIs, arquitetura orientada a eventos, CQRS e workflows transacionais.

Plataformas de dados

PySpark, Spark Streaming, Snowflake, dbt, Airflow, Prefect, PostgreSQL, CDC, modelagem de dados e observabilidade.

ML aplicado e IA

LangGraph, sistemas de agentes, roteamento, avaliação, telemetria, retrieval, controle de custo e integração segura em produção.

Liderança técnica

Arquitetura, migrações, redução de incidentes, otimização de custos, mentoria, alinhamento com stakeholders e estratégia de plataforma.

Estudos analíticos anteriores

Boas bases, no contexto certo.

Estudos selecionados que demonstram interesse de longa data por mercados e raciocínio estatístico. Eles apoiam a história; não a definem mais.

Gráfico de análise de anomalias no mercado

Anomalias no mercado de ações

Análise exploratória do comportamento de preços anômalos em ações brasileiras.

Ver no GitHub →
Gráfico de análise de candles

Tendência ou retorno à média?

Um estudo do comportamento de ativos após candles diários positivos e negativos.

Ver no GitHub →

Vamos construir algo confiável

Engenharia sênior para sistemas complexos de software, dados e IA.

Aberto a oportunidades Sênior e Staff em Engenharia de Software, Engenharia de Dados, Plataformas de Dados e Dados & IA no mundo todo. Tenho preferência por remoto; aceito híbrido na região de Göttingen. Sem relocação.

morais.rm@gmail.com LinkedIn GitHub Currículo