Computer Science Student | Descomplica Faculdade Digital (6º semestre, conclusão dezembro/2027)
Localização: Lauro de Freitas, Bahia, Brasil 🇧🇷

Backend Engineer em formação com transição deliberada para IA/ML como complemento estratégico. Background sólido em operações, automação e sistemas distribuídos evoluiu para data-driven problem solving e agora estende-se para machine learning e análise preditiva.

Stack principal: Java/Spring Boot, PostgreSQL, Python (fundamentals em IA/ML).
Especialidade: Sistemas robustos, arquitetura escalável e dados para decisão.

Meu background em KPI monitoring e data analysis em manufatura cria ponte natural entre backend robusto e ML aplicado. Apaixonado por código bem estruturado, testes rigorosos e engenharia de software escalável.

Objetivo: Conquistar vagas de Desenvolvedor/Engenheiro Backend focadas em Java e Spring Boot no setor financeiro brasileiro, com abertura para IA/ML roles que aproveitem Python e análise de dados. Fintechs globais que usam Go também no radar.

• Java — OOP fundamentals, programming logic, Spring Boot 3.x
• Spring Boot — dependency injection, layered architecture, annotations, REST APIs
• PostgreSQL — schema design, query optimization, Flyway migrations
• Segurança — JWT authentication, BCrypt encryption
• Arquitetura — multi-module, clean code, SOLID principles

• Python — NumPy, Pandas (data manipulation)
• Fundamentos — estatística aplicada, análise exploratória de dados (EDA)
• Roadmap ativo — scikit-learn, regressão/classificação, feature engineering
• Ferramentas — Jupyter, Power BI (análise + visualização)

• Git — advanced workflows (rebase, merge, squash, feature branches) — diferencial em entry-level
• Testing — JUnit 5, Mockito (TDD mindset), Playwright (E2E)
• CI/CD — GitHub Actions, Docker Compose
• Sistemas — Linux operations, Bash scripting

• Go (Golang) — sistemas distribuídos, fintechs remotas
• ML Deployment — modelos em produção, pipelines de dados

Sistema completo de gestão financeira pessoal. Arquitetura multi-module com foco em production-readiness e componentes de análise de dados.

Tech Stack: Spring Boot 3.2, PostgreSQL, Flyway, JWT + BCrypt, JUnit 5 + Mockito, Playwright E2E, Docker Compose, GitHub Actions, Preact + TypeScript

Diferenciais:

• Arquitetura em camadas com separação clara de responsabilidades
• Autenticação segura com token versioning
• Testes unitários + E2E (>80% backend coverage em progresso)
• Pipeline CI/CD automatizado
• Multi-module Maven para escalabilidade
• Componentes de análise: KPI tracking, dashboard de gastos (ponte para IA/ML) Aprendizado em IA/ML: Dashboard fornece base para modelos preditivos futuros (previsão de despesas, detecção de anomalias).

Jogo interativo com foco em performance e user experience. React Native + Expo + TypeScript com revisão técnica rigorosa.

Demonstra: Frontend fundamentals e pensamento de UI/UX — complementa visão fullstack.

Ferramenta interativa para construção visual de queries SQL. Demonstra compreensão profunda de abstração de dados e UX de engenharia.

• Bacharelado em Ciência da Computação — Descomplica Faculdade Digital (conclusão: dezembro/2027)
• Voxy B1 English Certification
• Coursera & Extensões — Python, Java, Data Science fundamentals, Business Statistics
• Em Progresso: Fundamentos de Machine Learning, Python para Data Science

• Honestidade sobre skills: Defendo apenas o que domino. Backend: prático e defensível. IA/ML: em desenvolvimento ativo com base sólida teórica. Excluídos ativamente: Docker, Angular, Node.js, MongoDB, TypeScript (frameworks), React
• Defensibilidade técnica: Código que posso explicar em detalhe em entrevista
• Git avançado como diferencial: Rebase, merge, squash, feature branches — raridade em entry-level
• Test-first mentality: Código robusto requer testes
• Backend + IA/ML complementares: Python como ponte; ML deployment será sobre pipelines sólidas, não apenas modelos isolados

• ✅ Finalizar GFP (README, test coverage 80%+, Playwright E2E)
• 🔄 Projeto de IA/ML: Sistema de Limite de Crédito com análise preditiva (Python + scikit-learn)
• 📊 Aprofundar em pandas, feature engineering, validação de modelos

• 🚀 Deploy de modelo preditivo em produção (GFP ou novo projeto)
• 📈 Certificação em ML fundamentals
• 🔗 Integrar modelo ML com backend Java (pipeline completa)

• 🐹 Go para sistemas distribuídos
• 🛡️ Cybersecurity (interesse secundário)
• 🏢 Senior backend engineer com expertise em MLOps

Email: matheuscojesus@gmail.com
LinkedIn: Matheus Costa de Jesus
Twitter/X: @Im_mathdejesus
GitHub: github.com/mathdejesus

"Com estilo, inteligência e sem medo." ✨