Transformando experiência em automação industrial e manutenção em soluções de dados confiáveis com Python, SQL e Machine Learning
Venho da automação industrial — robôs ABB, CLPs e manutenção — e estou migrando para TI com foco em Engenharia de Dados.
Cursando Tecnólogo em IA na FIAP, construo projetos de Python, SQL e dados, e levo do chão de fábrica o cuidado com confiabilidade, dados de sensores e processos que não podem parar.
Hoje meu foco é uma vaga de estágio ou júnior em Engenharia de Dados: pipelines com SQL, dbt, Airflow e Databricks (PySpark + Delta Lake).
Robótica ABB · PLCs (Rockwell, Siemens, Omron) · Inversores · Manutenção preditiva e corretiva
Portfólio de engenharia de dados construído em versões, sempre sobre o mesmo domínio: leituras de sensores e falhas de máquinas (AI4I 2020 + leituras simuladas).
| Versão | Entrega | Status |
|---|---|---|
| V1 | ETL em Python → Parquet particionado → carga idempotente em PostgreSQL 16, com Docker Compose e CI no GitHub Actions | ✅ Feito |
| V2 | dbt em camadas staging → intermediate → marts (modelo estrela) · dbt build com PASS=63 (7 modelos + 56 testes) |
✅ Feito |
| V3 | Orquestração com Airflow (DAG ETL → dbt build, alerta de falha) + testes de freshness e volume |
✅ Feito |
| V4 | Databricks com PySpark + Delta Lake, arquitetura medallion bronze → silver → gold, Job pipeline-industrial e dashboard AI/BI · repositório |
✅ Feito |
| V5 | Nuvem: armazenamento (ADLS ou S3), IAM e custos | 🔜 Próximo |
Resultado real: 26.271 linhas lidas · 24.511 válidas · 1.760 descartadas · 18 máquinas · 586 falhas
Stack: Python · Pandas · SQL · PostgreSQL · dbt · Airflow · Databricks · PySpark · Delta Lake · Docker · pytest · GitHub Actions
Repositório · Roadmap · V4 no Databricks
"Com essas leituras dos sensores, a máquina vai falhar? E por quê?" — modelo XGBoost treinado no dataset AI4I 2020 (UCI), com explicação de cada previsão via SHAP e painel interativo em Streamlit.
No teste: recall 0,824 · precisão 0,757 · F1 0,789 · PR-AUC 0,884
Stack: Python · XGBoost · SHAP · scikit-learn · Streamlit
Demo: painel no Streamlit · Repositório
FIAP · Fase 2
Irrigação automática no ESP32 quando solo/pH/NPK ok; suspende se a OpenWeather prevê chuva.
Stack: ESP32 (C++) · Python · R + ggplot2 · OpenWeather API
CRUD de talhões com cálculo automático de perda (%) e prejuízo (R$), com persistência em JSON/Oracle.
Stack: Python · Oracle
CRUD de insumos em Python + estatística e clima (Open-Meteo) em R.
Character select arcade com VS Mode, CRT e FIGHT! — HTML/CSS/JS.
Demo: denispaulo.github.io/projeto-mapadev-week · Repositório
Fluxo de caixa + simulação de RDB (juros compostos) — HTML/CSS/JS.
Demo: denispaulo.github.io/fluxo-caixa · Repositório
Técnico em Manutenção Eletroeletrônica — Saint-Gobain Sekurit
Março 2023 – Presente
- Manutenção e otimização de robôs ABB
- Programação e diagnóstico de CLPs Rockwell, Siemens e Omron
- Estratégias de manutenção preditiva e corretiva
- Tecnólogo em Inteligência Artificial — FIAP São Paulo (Fev 2026 – Dez 2028) — Em andamento
- Análise e Desenvolvimento de Software — Centro Universitário FAM (Ago 2021 – Dez 2023)
- Técnico em Eletrotécnica — Instituto Edson (2014 – 2015)
- Get Started with Data Engineering — Databricks Academy (Out 2026) — Concluído
