Fiquei matriculado no curso de Engenharia de Software na Universidade de Brasília. Durante esse período, desenvolvi principalmente aplicações para uso acadêmico. Um projeto notável foi a integração do aplicativo “Guardiões da Saúde” — que rastreava possíveis exposições à COVID-19 em tempo real — com um chatbot no Telegram, permitindo que os usuários reportassem seus sintomas sem precisar instalar um aplicativo externo.

DoctorS

Um chatbot desenvolvido em Flask que se integrou com o aplicativo Guardiões da Saúde para rastrear sintomas de Covid-19 em tempo real, utilizando Firebase como banco de dados e a API do Telegram para comunicação.

Ver Código

Em 2020, obtive várias certificações importantes:

Iniciei um estágio na DBS Web como desenvolvedor web fullstack. Durante esse período, desenvolvi e implantei uma aplicação de controle de ponto para funcionários e fui responsável pela segurança e backend de vários projetos de clientes.

Hit The Dot

Um sistema eletrônico de controle de ponto desenvolvido com Flask, utilizando Firebase para autenticação, MySQL para armazenamento de dados e Redis para otimização de desempenho e rastreamento de turnos em tempo real.

Ver Código

Em julho de 2023, transferi-me do curso de Engenharia de Software na Universidade de Brasília para o curso de Ciência da Computação na Universidade Católica de Brasília. Por volta da mesma época, comecei a trabalhar como desenvolvedor fullstack freelancer.

Desenvolvi um sistema de gerenciamento de cursos (LMS) para o Instituto Panapaná, uma plataforma dedicada a oferecer educação gratuita para jovens em situação de vulnerabilidade, priorizando oportunidades de aprendizagem acessíveis em vez de aprimoramentos administrativos tradicionais.

Instituto Panapaná

Um LMS projetado para o Instituto Panapaná, focado em oferecer recursos educacionais gratuitos a jovens em circunstâncias vulneráveis, enfatizando a aprendizagem acessível em vez da administração acadêmica convencional.

Ver Código

Atualmente, estou desenvolvendo o AILib, um sistema construído com Electron.js e React que utiliza APIs de IA para aprimorar a leitura e anotação de livros. Recursos principais incluem resumos ultra detalhados dos livros, Geração Aprimorada por Recuperação (RAG) avançada com QDrant como banco de dados vetorial e processamento paralelo de documentos—capaz de incorporar até 500 páginas por minuto em um banco de dados SQLite, que gerencia a Recuperação de Documento Pai com QDrant.

AILib

Um sistema construído com Electron.js e React que utiliza APIs de IA para aprimorar a leitura e anotação de livros. Recursos principais incluem resumos ultra detalhados dos livros, Geração Aprimorada por Recuperação (RAG) avançada com QDrant como banco de dados vetorial e processamento paralelo de documentos—capaz de incorporar até 500 páginas por minuto em um banco de dados SQLite, que gerencia a Recuperação de Documento Pai com QDrant.

Ver Código

Eu trabalhei na criação de um sistema de geração de conteúdo digital para clientes. Esta aplicação gera textos utilizando grandes modelos de linguagem (LLMs), realiza curadoria automática de notícias relevantes para cada cliente e produz conteúdo em áudio e vídeo gerado por IA. O sistema é construído com Next.js no frontend, FastAPI no backend, utiliza REDIS para polling em tempo real via callbacks, usa MySQL para armazenamento de dados e emprega QDrant como banco de dados vetorial.

Kairós

Uma aplicação web para criação de conteúdo automatizado utilizando grandes modelos de linguagem (LLMs). O app realiza curadoria de notícias, gera textos e produz conteúdo em áudio e vídeo gerado por IA. Desenvolvido com Next.js, FastAPI, MySQL e Redis, o sistema utiliza QDrant como banco de dados vetorial para indexação eficiente de dados.

Ver Código

O desenvolvimento do RAG.NET tem sido uma jornada cheia de desafios e inovação. Construir um sistema que permite a personalização total de workflows RAG exige não apenas conhecimento técnico, mas também criatividade para lidar com otimização de processos e integração de IA. Atualmente, estou expandindo as capacidades do sistema para suportar novos provedores de embedding e conversação, explorando formas mais inteligentes de recuperação de informações.

RAG.NET

Um sistema modular desenvolvido com ASP.NET Core, Angular 19, PostgreSQL e QDrant, projetado para criar e executar workflows avançados de RAG com componentes de IA configuráveis.

Ver Código