
Felipe Barros
Engenheiro de IA | Sistemas LLM, Agentes Autônomos (LangGraph, MCP) & RAG | Automação com Python e n8n | Pós em Ciência de Dados
Contratar esta pessoa
Envie uma proposta de trabalho diretamente para este candidato
Sobre
Sou Engenheiro de IA e Especialista em Automação focado em levar sistemas de IA Generativa da teoria para ambientes de produção mensuráveis e estáveis. Minha atuação combina engenharia de software com rigor empírico para criar soluções que resolvem gargalos operacionais reais sem estourar custos de tokens e sem alucinações.
O que construo na prática:
Agentes Inteligentes & Workflows: Orquestração multiagente com LangGraph, Model Context Protocol (MCP) e Tool Calling determinístico.
RAG Avançado & Performance: Pipelines de recuperação contextual com bancos vetoriais (Pinecone/pgvector) e cache semântico em Redis para latência sub-segundo.
Automação & Backend: Microsserviços em Python (FastAPI/Flask), esteiras no n8n e conteinerização com Docker.
LLMOps & Observabilidade: Rastreabilidade completa, datasets de teste e avaliação contínua com LangSmith.
Experiência
Experiência 1 (Atual)
Título do Cargo: Engenheiro de IA & Automação de Soluções
Nome da Empresa: Projetos em IA Generativa & Automação (Autônomo / Freelance)
Tipo de emprego: Autônomo / PJ
Período: Nov de 2025 – o momento
Localidade: São Paulo, Brasil (Remoto)
Descrição
Atuação no desenvolvimento, arquitetura e implantação de agentes inteligentes, pipelines de RAG avançado e esteiras de automação de processos corporativos com foco em produção, latência e custo.
Principais Entregas & Responsabilidades: • Agentes Autônomos & Tool Calling: Construção e orquestração de sistemas multiagentes com LangGraph e Model Context Protocol (MCP), integrando LLMs (Claude, OpenAI) a bancos de dados e ferramentas locais de forma determinística.
- RAG & Otimização de Performance: Arquitetura de esteiras RAG com bancos vetoriais (Pinecone/pgvector) e implementação de camada de cache semântico em Redis, reduzindo a latência de inferência para níveis sub-segundo e cortando o consumo de tokens.
- LLMOps & Observabilidade: Implementação de esteiras de avaliação e tracing de ponta a ponta com LangSmith, aplicando métricas empíricas de acurácia, mitigação de alucinações e validação estrita de outputs via JSON Schema/Pydantic.
- Engenharia de Backend & Automação: Desenvolvimento de APIs em Python (FastAPI/Flask), workflows no n8n e conteinerização completa com Docker.
🔹 Competências: LangGraph · Model Context Protocol (MCP) · LangSmith · RAG · Redis · Pinecone · Python · FastAPI · Docker · n8n · LLMOps
Experiência 2
Título do Cargo: Especialista em Automação de Processos & Integrações Python
Nome da Empresa: Ninja do Excel
Tipo de emprego: Tempo integral
Período: 2019 – 2021 & 2024 – Nov de 2025
Localidade: São Paulo, Brasil (Remoto)
Descrição
Engenharia e implementação de fluxos de automação de processos operacionais, consumo de APIs REST e otimização de esteiras de dados digitais em escala corporativa.
Principais Entregas & Responsabilidades: • Automação de Processos: Desenvolvimento de scripts em Python e esteiras de integração via APIs REST que reduziram o tempo de ciclo operacional de produção de ativos em 80%.
- Arquitetura de Dados Operacionais: Mapeamento de gargalos em fluxos de trabalho e estruturação de rotinas automatizadas com tratamento de erros, validação de dados e alta confiabilidade.
- Colaboração Ágil: Atuação direta com equipes multidisciplinares e stakeholders sob metodologias ágeis, mantendo documentação técnica padronizada e governança de código via Git.
🔹 Competências: Python · Automação de Processos · APIs REST · JSON · Extração de Dados · Git · Metodologias Ágeis
Experiência 3
Título do Cargo: Pesquisador de Iniciação Científica (Bolsista FAPESP)
Nome da Empresa: UNIFESP - Universidade Federal de São Paulo
Tipo de emprego: Estágio / Iniciação Científica
Período: 2015 – 2016
Localidade: São Paulo, Brasil (Presencial)
Descrição
Execução de pesquisa quantitativa, análise estatística de dados biológicos de alta dimensionalidade e validação empírica de hipóteses em projeto com financiamento da FAPESP.
Principais Entregas & Responsabilidades: • Análise Estatística & Validação de Hipóteses: Aplicação de métodos estatísticos descritivos e inferenciais para identificação de padrões e validação de significância em matrizes de dados complexas.
- Controle de Qualidade & Benchmark: Elaboração de protocolos rigorosos de QA, testes controlados e documentação científica estruturada sob padrões de reprodutibilidade experimental.
🔹 Competências: Metodologia Científica · Validação de Hipóteses · Análise Estatística · Garantia da Qualidade (QA) · Documentação Técnica
Formação
Formação 1 (Pós-Graduação)
Instituição de ensino: EBAC - Escola Britânica de Artes Criativas e Tecnologia
Formação: Pós-Graduação Lato Sensu / Especialização
Área de estudo: Ciência de Dados (Data Science)
Período: 2024 – 2025
Especialização focada no ciclo de vida de ponta a ponta de dados e inteligência preditiva: • Desenvolvimento e validação de modelos de Machine Learning aplicados a problemas de negócio utilizando Python (Scikit-Learn, Pandas, NumPy).
- Extração, tratamento e consultas analíticas avançadas em bancos de dados estruturados com SQL.
- Análise Exploratória de Dados (EDA), engenharia de atributos (feature engineering), métricas de avaliação e validação cruzada.
- Fundamentos de arquitetura de dados e processamento em larga escala com PySpark.
🔹 Competências adicionadas: Ciência de Dados · Python · Machine Learning · SQL · PySpark · Análise Exploratória de Dados (EDA)
Formação 2 (Graduação)
Instituição de ensino: Universidade Paulista (UNIP)
Formação: Bacharelado
Área de estudo: Biomedicina
Período: 2013 – 2017
