Pular para o conteúdo principal
Felipe Barros

Felipe Barros

Engenheiro de IA | Sistemas LLM, Agentes Autônomos (LangGraph, MCP) & RAG | Automação com Python e n8n | Pós em Ciência de Dados

Talento
DiademaMembro desde 18 de outubro de 2026
Arquiteturas de ReferênciaBlueprintsLangGraphModel Context Protocol (MCP)Agent-to-Agent (A2A)Human-in-the-Loop (HiTL)RAGPineconeSemantic CacheLangSmithRagasFinOpsSpecification-Driven Development (SDD)Catálogos de BlueprintsRepositórios de SkillsPythonFastAPIMicrosserviçosDockerOCILGPDAuditoriaData ScienceMetodologia CientíficaAnálise QuantitativaValidação de HipótesesOpenAI GPT-4oClaude 3.5 SonnetDeepSeek-V3GeminiMachine LearningCientista de Dados
·

Contratar esta pessoa

Envie uma proposta de trabalho diretamente para este candidato

Arquiteturas de ReferênciaBlueprintsLangGraphModel Context Protocol (MCP)Agent-to-Agent (A2A)

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

Competências

Engenheiro de IASistemas LLMAgentes Autônomos (LangGraphMCP) & RAGAutomação com Python e n8nPós em Ciência de Dados

Avaliações

Relacionado