O trabalho mais subestimado na era da inteligência artificial, continua sendo o mapeamento e definição de processos.

Quem nunca passou por isso? Você lê 50 páginas sobre a matemática de um algoritmo, mas na hora de abrir o Jupyter Notebook, trava. A verdade é que conhecimento em ML só é fixado com a mão no código.

Seu CEO se importa mais com o ROI do que com a acurácia. E ele está certo. Uma verdade difícil para nós, técnicos: no final do dia, a empresa não compra "modelos", ela compra "resultados". Existe um abismo entre o que nos fascina e o que o negócio realmente precisa:

Um ótimo livro GRATUITO que cobre o tema "Forecasting" agora em versão Python! Hora de uma nova série no Youtube?!

Esse é o melhor vídeo da #bolhadev: youtu.be/Rgx8dpiPwpA

Aquele loop infinito de vídeos, cursos e artigos... Isso tem nome: o 'inferno dos tutoriais' de dados. Você consome conteúdo sem parar, mas a confiança para aplicar para uma vaga parece cada vez mais distante. Parece que sempre falta aprender "só mais uma coisinha".

Seu stack de GenAI é impressionante. Mas ele gera valor? No nosso campo, é fácil cair na armadilha da tecnologia pela tecnologia. A tentação de implementar o novo modelo que saiu no paper da semana passada é enorme.

Fui reprovado na entrevista de Analista de Dados de uma empresa Tech. Estas são as perguntas de SQL que me derrubaram.

Título da vaga: Analista de Dados. Trabalho real: 90% do tempo brigando com dados ruins e os outros 10% apresentando a vitória como se tivesse sido fácil. A verdade é que por trás de todo dashboard incrível, existe um campo de batalha caótico!

Trabalhar com times globais me ensinou a cortar 90% da "enrolação" em reuniões. Essa foi a lição mais valiosa que aprendi na prática. A diferença cultural na comunicação é gritante e impacta diretamente a produtividade. Como eram minhas reuniões no Brasil 🇧🇷:

Trabalhar com times globais me ensinou a cortar 90% da "enrolação" em reuniões. Essa foi a lição mais valiosa que aprendi na prática. A diferença cultural na comunicação é gritante e impacta diretamente a produtividade. Como eram minhas reuniões no Brasil 🇧🇷:

"Democratização de Dados com Agentes de IA - CrewAI" Esse é um dos projetos que sempre aparece no meu feed e aqui te mostro como você pode implementar algo semelhante.

Se você é PM e não sabe usar Lovable, Bolt ou v0 para prototipar suas ideias... talvez esteja ficando pra trás.

95% 𝐝𝐨𝐬 𝐩𝐫𝐨𝐣𝐞𝐭𝐨𝐬 𝐝𝐞 𝐈𝐀 𝐟𝐚𝐥𝐡𝐚𝐦! E a culpa não é da tecnologia. 🤯

Para o time de Produto, sobra o roadmap bonitinho. Para o time de Marketing, sobra a verba de campanha. Para o time de Dados não sobra nada... só o osso. 🦴 O "osso" é: → Pipeline quebrando 3h da manhã. → Passar o dia juntando CSV com chave que não bate.

Muita gente acha que precisa dominar tudo antes de começar na área de dados. Erro comum! Mês passado, uma aluna aplicou uma análise simples de dados na empresa dela: → Identificou padrões nos processos → Propôs mudanças baseadas em evidências

"Você não tem experiência suficiente para trabalhar com dados" 📊 Essa foi a frase que um mentorado ouviu ao tentar sua transição de carreira.

🗣️ Candidato A: Sem experiência formal. Contratado. 🗣️ Candidato B: 5 certificados na área. Rejeitado. Isso acontece todos os dias. A razão não está no currículo. Está na mentalidade. 🧠 Quem conquista a vaga pensa como um consultor de negócios:

"Ciência de dados está morta" 💀 Vez ou outra, essa frase aparece no meu feed... Como alguém que trabalha na área, deixa eu te contar a realidade: O campo não morreu. Ele amadureceu. A evolução ficou clara: ⏳ ANTES: Qualquer análise simples era "ciência de dados".

Por que alguns conseguem virar o jogo na carreira de dados e outros ficam estagnados? 🚀 Depois de acompanhar centenas de transições de carreira, descobri um padrão interessante. Não é sobre ter o melhor diploma ou anos de experiência.

5 anos estudando machine learning me ensinaram uma lição valiosa. Não é sobre ter as melhores ferramentas. É sobre resolver problemas reais. Quando comecei, estava obcecado por algoritmos complexos. Queria usar deep learning em tudo.

GPT-5 está tão insano que 52.8 está maior que 69.1.

O que você vai fazer quando a ferramenta que te deu um emprego hoje se tornar obsoleta amanhã? Essa não é uma pergunta de "se", mas de "quando". Para responder, muitos correm para aprender a próxima "ferramenta do momento": → Dominam Python, SQL, uma nova ferramenta de BI...

Vejo muitos talentos paralisados por um mito: o de que precisam de um diploma em computação para conseguir a primeira vaga em dados. O mercado está provando que não é bem assim. O caminho que mais vejo funcionar para quem está começando do zero é focado na prática:

É impossível usar IA para aprender mais rápido. O aprendizado é lento. 🧠 E a IA não muda isso. Na real, essa é a confusão. Muitos acham que a IA é um atalho para o conhecimento, mas ela é outra coisa: um catalisador para a profundidade.

Live HOJE às 19 pra te explicar como conseguir um emprego na área de dados. - Quando começar a aplicar para vagas - Otimizar seu CV no Linkedin - Como se dar bem nas etapas do processo - Como lidar com falta de feedbacks e rejeições do processo - Fui contratado e agora?

Se você está tentando entrar na área de dados e sempre recebe "não" nas entrevistas, o problema pode não ser o que você pensa. Depois de ajudar mais de 500 profissionais a fazerem essa transição, descobri um padrão: 80% focam nas ferramentas erradas.

Preciso de 5 anos de experiência para uma vaga júnior em dados. Essa frase me irritava profundamente. Como conseguir experiência se ninguém te contrata? 💡 Ouvi isso de um aluno... A solução veio quando percebi uma coisa: Experiência não significa apenas trabalho formal.

O que a área de dados realmente me trouxe não foi o salário alto ou o home office. Foi algo muito mais valioso: LIBERDADE. Liberdade para: • Falar o que penso, sem medo de retaliação. • Trabalhar com propósito, não por ansiedade.

🔥 Dois livros pra quem quer dominar LLMs e Knowledge Graphs na prática Se você está com dificuldades de encontrar bons materiais sobre Knowledge Graphs, dá uma olhada nesses dois livros: 🧠 LIVRO 1: "Building AI Agents with LLMs, RAG, and Knowledge Graphs"

Se você se sente perdido tentando entrar na área de dados em 2025, este post é um mapa. 👇 Depois de ajudar +300 pessoas a fazer essa transição, percebi que o segredo é mais simples do que parece. O caminho que realmente funciona: Comece dominando o básico:

Eu tava fazendo tudo errado no meu projeto de Dados. E talvez você também esteja... A armadilha: → Ficar obcecado pelo modelo, pela métrica, pela técnica. → Passar semanas polindo um código que, na real, resolve o problema errado.

Guess who's back?! Saiu o vídeo: "Como criar seu projeto de portfólio de Ciência de Dados" no meu canal. Dá uma olhada lá: www.youtube.com/watch?v=WmI...

A verdade sobre 90% dos dashboards: nascem na segunda e morrem na sexta. A gente aprende a puxar dados, limpa tudo no Pandas, joga num gráfico e… pronto. Fica lá, parado. Um retrato estático do passado.

Parem de romantizar a complexidade em ML/Inteligência Artificial.

🧵 Sua primeira oportunidade para trabalhar com dados NÃO vai ser numa big tech. E quer saber? Isso é ÓTIMO. A gente fica namorando o logo do Google e esquece o principal. [1/4]

É AMANHÃ! O Machine Learning Summit 2025 acontece amanhã e as inscrições se encerram HOJE! Chega de teoria que não se aplica. Aprenda com 25 experts a construir o futuro da IA e do Machine Learning na prática.

🧵 Minha confiança foi pro ralo em 15 minutos de entrevista para Ciência de Dados. Cinco anos atrás, recém-saído de um mestrado, eu tinha aquela confiança boba de quem acha que já sabe tudo. Mas a realidade me deu um soco no queixo. Vou contar as perguntas que me derrubaram.

Seu projeto de "previsão de preços de casas" não vai te arrumar um emprego. Duro, né? Eu sei. Mas alguém precisava te dizer. 🧵👇

🚨 Ei, você que trabalha com IA: Consegui um código promocional INSANO pro DeepSeek Demystified Summit da Packt. E não, não é exagero - é 50% OFF!

🧵Se eu estivesse migrando para ciência de dados, meu plano seria: Deixar o ego da carreira antiga de lado. Esquecer a obsessão por vaga remota. Mirar na primeira chance de botar a mão na massa DE VERDADE, seja numa startup, consultoria ou indústria. [1/4]

🧵 Sabe aquela história de que a área de dados tá SATURADA? Deixa eu te contar: o mercado segue desesperado por quem resolve problemas REAIS, não por quem só coleciona certificados. Em 2025, o jogo é outro. [1/6]

🧵 Cuidado com esses projetos que vão te queimar 🔥 [1/9]

Achar o dataset PERFEITO é a maior desculpa pra não começar seu projeto de IA. 🤯 A gente gasta um tempo precioso caçando no Kaggle o arquivo .csv que vai mudar nossa vida. Esse arquivo não existe. O segredo é inverter a lógica. 🧵 [1/5]

Cansado de tutorial que não funciona na vida real? Aqui é IA/ML do mundo real!

Se a sua carreira em tecnologia está te roubando a vida pessoal, você está fazendo isso ERRADO. 🚨 Vou te contar uma história real que recebi no Sábado e que prova isso.🧵 [1/5]

Alerta de pegadinha em Python! 🐍 Existe um comportamento na linguagem que pega de devs iniciantes a sêniores. Parece inofensivo, mas pode gerar resultados totalmente inesperados e difíceis de depurar. Vou mostrar o "problema" e como corrigi-lo. 👇

🧵 Aquela verdade que ninguém fala sobre feedback em processos seletivos... [1/5]

🧵 Semana passada um mentorado veio me mostrar "orgulhoso" seu plano de estudos em Data Science. Precisei ser sincero com ele: [1/7]

1/ Ignore as notícias alarmistas sobre IA e layoffs – principalmente se você já está com um plano sólido para migrar para Dados.