Backend e arquitetura
- Java
- Python
- Node.js/TypeScript
- FastAPI
- APIs REST
- Microsserviços
- Integração entre sistemas
- Processamento assíncrono
- Clean Architecture
- DDD
- SOLID
- Design Patterns
Disponível para freelance
Olá, sou Caroline
Desenvolvedora Backend Sênior
Mais de 8 anos desenvolvendo e evoluindo APIs, microsserviços e sistemas distribuídos. Experiência com Java, Python e Node.js, integração entre sistemas, processamento assíncrono, mensageria e soluções em cloud.
- Java
- Python
- Node.js
- Kafka
- GCP
- AWS
- Kubernetes
- MongoDB
01 — Sobre
Desenvolvedora Backend Sênior
- Resumo
- Mais de 8 anos no desenvolvimento e evolução de APIs, microsserviços e sistemas distribuídos. Experiência com Java, Node.js e Python, integração entre sistemas, processamento assíncrono, mensageria e soluções em cloud. Atuação em arquitetura de software, segurança, automação de deploy, observabilidade e colaboração com times técnicos e áreas de negócio.
- Experiência
- Mais de 8 anos
- Destaque
- 1º lugar e nota máxima na Global Solution FIAP 2026.1, com solução de IA aplicada ao agronegócio.
- Freelance
- Sim
02 — Competências
Competências técnicas
Mensageria
- Apache Kafka
- Google Cloud Pub/Sub
- AWS SQS
Cloud e DevOps
- GCP (Cloud Run, GKE)
- AWS (Lambda)
- Docker
- Kubernetes
- Terraform
- GitHub Actions
- Argo CD
- Kargo
- Datadog
Dados
- MongoDB
- SQL
- Oracle
- Salesforce
- pandas
Segurança e qualidade
- RBAC
- OIDC
- IAM
- Auditoria
- Testes automatizados
- Observabilidade
IA aplicada
- LangChain
- LangGraph
- RAG
- Visão computacional
03 — Projetos
Meus Projetos
- Python
- YOLOv5
- FastAPI
- AWS Lambda
- DynamoDB
- ESP32
Global Solution FIAP 2026.1 — 1º lugar e nota máxima
Projeto em grupo de 5: plataforma de inteligência ambiental e agrícola que detecta nuvens convectivas em imagens de satélite da NASA (GOES) com YOLOv5, estima o risco agrícola com machine learning e gera alertas. O envio de uma imagem ao S3 dispara a inferência em AWS Lambda; os alertas vão para o DynamoDB e o SNS, e um ESP32 com sensor DHT22 envia leituras de temperatura e umidade (simuladas por padrão na configuração do projeto).
Minha parte: dashboard e analytics (alertas por dia e hora, heatmap e tendência de 30 dias), CI/CD com GitHub Actions e OIDC e code review.
Medido no repositório: 440 testes automatizados, cerca de 82% de cobertura e 53 testes E2E. O detector tem mAP@0.5 de 56,5% e foi treinado com rótulos proxy (derivados de regras do pipeline), limitação registrada no projeto.
- Python
- Flask
- OpenCV
- scikit-learn
- ESP32
- JWT
TOTEM IA — Challenge FlexMedia, FIAP
Totem para depósito inteligente de tampinhas, criado para o desafio da FlexMedia: classifica a tampinha por imagem e mostra o impacto ambiental da reciclagem. A foto passa por um pré-filtro de visão computacional (OpenCV) e por um classificador SVM com 332 características de cor e forma; a validação mecânica é feita pela API de um ESP32 simulado, com autenticação JWT. Os depósitos ficam em SQLite e alimentam um painel administrativo com gráficos.
Liderança técnica do grupo: API em Flask, integração de IA/ML e deploy. Mais de 500 testes automatizados com pytest.
-
SulAmérica
Analista de Sistemas Sênior
Nov/2023 – Jul/2025
-
Shell / App Shellbox
Pela Squadra
Jul/2022 – Set/2023
-
Grupo Estácio
Pela Accenture
Ago/2021 – Mar/2022
04 — Formação
Formação e idiomas
Inteligência Artificial
Formação com foco em Machine Learning, IA Generativa, NLP, Deep Learning e Visão Computacional, com aplicação em análise de imagens e desenvolvimento de soluções inteligentes.
Bacharelado em Sistemas de Informação
Idiomas
- Português: nativo
- Inglês: intermediário (leitura técnica e conversação profissional)