Construindo experiências web com estética, performance e inteligência.

Objetivo

Criar uma plataforma que resolva o problema de busca de emprego de forma transparente, usando matching determinístico e IA controlada apenas para auxiliar na personalização de currículos.

Problema

Buscas de emprego são fragmentadas, barulhentas e tendenciosas para as mesmas plataformas visíveis. Candidatos enviam currículos genéricos sem ajuste estratégico para cada vaga.

Como resolvi

Desenvolvi um sistema Laravel + Vue/Inertia com descoberta determinística de vagas, matching baseado em palavras-chave extraídas do currículo, e geração controlada de variantes de currículo via Gemini API apenas quando o usuário solicita explicitamente.

Objetivo

Aumentar taxas de conversão em prospecção fria no setor de saúde através de hiper-personalização dinâmica e automação de UI.

Problema

Abordagens genéricas são ignoradas ou bloqueadas. Donos de clínicas recebem dezenas de mensagens automáticas diariamente e desenvolveram 'filtro' para textos longos e padronizados.

Como resolvi

Construí um pipeline Python que extrai leads do Google Maps, gera landing pages dinâmicas via URL Params (injetando nome da empresa e bairro), automatiza screenshots mobile com Selenium para prova visual, e gerencia funil via CRM em CSV.

Objetivo

Criar um blog pessoal que agilizasse a transformação de anotações de estudo em posts técnicos estruturados, mantendo controle editorial humano.

Problema

Profissionais de tecnologia acumulam anotações de estudo em formatos desconectados, mas o processo de transformá-las em conteúdo público é lento e trabalhoso.

Como resolvi

Desenvolvi um blog Next.js que integra Google Gemini para refinar notas de estudo em posts bem estruturados, mantendo o desenvolvedor no controle do que é publicado.

Objetivo

Aumentar a assertividade de vendas de empreendedores de rua em Belo Horizonte usando predição de produtos com maior probabilidade de lucro baseada em contexto.

Problema

Empreendedores locais perdem oportunidades de venda por não conseguir antecipar quais produtos terão maior demanda baseado em condições climáticas e eventos da cidade.

Como resolvi

Construí um sistema Python com Streamlit que usa XGBoost para prever demanda e NLP para classificar eventos da PBH/Sympla, cruzando com dados em tempo real da OpenWeather API para recomendar produtos contextualizados.