Objetivo
Construir uma base prática em dados e cloud, evoluindo por entregas sucessivas e documentadas.
FORMAÇÃO PRÁTICA EM DADOS
PROGRAMA CONCLUÍDOPrograma Compass UOL
Engenharia de Dados
Entre outubro de 2024 e março de 2025, concluí dez sprints que avançaram dos fundamentos de Git, Linux e SQL até um pipeline analítico em AWS.
Períodoout. 2024 — mar. 2025 · 10 sprints
TecnologiasPython · SQL · Docker · AWS · PySpark · Pandas/Polars
ContextoPrograma de Bolsas em Engenharia de Dados
ENTREGAS DO PROGRAMA
Do armazenamento ao dashboard
As imagens registram partes do ambiente de estudo utilizado durante as sprints.
Pipeline final
CSV e API TMDB → Lambda/boto3 → S3 Raw → Glue/PySpark → Parquet Trusted/Refined → Athena → QuickSight.
Estado atual
O repositório preserva código, anotações e capturas do período; o ambiente cloud utilizado no programa foi encerrado.
O que desenvolvi
Exercícios e desafios com Python, Pandas/Polars, SQL, Docker, boto3, ingestão de arquivos e consumo da API TMDB.
Pipeline das sprints finais
Organizei dados em camadas Raw, Trusted e Refined no S3; usei Lambda e boto3 para ingestão, Glue/PySpark para transformar CSV e JSON em Parquet, Athena para consultas e QuickSight para apresentação.
Resultados e aprendizados
- Dez sprints concluídas ao longo de aproximadamente seis meses.
- Prática com integração entre Python, APIs, Docker e serviços AWS.
- Experiência com ETL, Data Lake, Spark, modelagem dimensional, SQL analítico e dashboards.
Escopo correto
Apresento este trabalho como formação prática. Ele não representa um ambiente empresarial de produção nem uma operação cloud que continua ativa.
O que permanece disponível
O código, os materiais por sprint e a documentação permitem revisar o caminho técnico realizado durante o programa.
Este case registra minha evolução no Programa Compass sem atribuir volume, SLA ou ganho de desempenho que não esteja preservado em um artefato reproduzível.
Próximo projetoEste portfólio
Contato