Thales Pomari

Infraestrutura para deploy, monitoramento e gestão de modelos de ML em produção: pipelines automatizados ponta a ponta (feature engineering, deploy e avaliação contínua), CI/CD para releases reproduzíveis de modelos e monitoramento, logging e alerting — em parceria com cientistas de dados e times de produto.

• Liderei squad de 5 a 8 engenheiros de dados: gestão técnica e estratégica do time, arquitetura de soluções e gestão de projetos sobre data lake de ~900 TB (AWS, arquitetura medallion, Glue Workflows, Jobs e Data Catalog).
• Liderei a integração de um novo sistema de venda e gestão de apólices e sinistros (produto de vida com investimento): revisão de regras de negócio, modelagem e mapeamento de dados e construção das ETLs até o padrão do lake.
• Mantive e evoluí pipeline CDC com Apache Kafka para dados cadastrais, apólices e reclamações, processados e disponibilizados em DynamoDB com APIs consumidas pelo CRM de atendimento.
• Implantei observability de ETLs do zero: biblioteca Python para jobs Glue com alertas via Lambda no Microsoft Teams (detalhes do erro + link para o CloudWatch), passando de detecção reativa por incidentes a resolução proativa, antes da percepção do usuário.
• Conduzi a engenharia de dados e o MLOps do primeiro projeto de IA da companhia, uma solução de apoio à decisão na análise de reclamações: agregação de dados de cliente, apólice e reclamação, integração com o modelo de classificação do time de ciência de dados e entrega de recomendações fundamentadas em dashboard Power BI.
• Gerenciei a integração com o Open Insurance: recepção de dados de outras seguradoras e envio no padrão regulatório exigido pela SUSEP.
• Habilitei a plataforma de ML para os cientistas de dados: SageMaker AI Notebooks com lifecycle scripts integrados ao data lake.
• Criei do zero o deploy automatizado com AWS CodeBuild: backups, geração de artefatos, documentação automática de mudanças e publicação no S3, substituindo um processo totalmente manual.
• Reestruturei a governança de código do time, antes tratado como simples backup: novos repositórios com templates CloudFormation (infrastructure as code), conventional commits e fluxo de branches feature/release, substituindo commits diretos na dev.

• Construí o pipeline de produção de 3 LLMs open-source (Gemma, Llama e Qwen) para produtizar solução de análise de documentos.
• Desenvolvi APIs de consumo e gerenciamento de predições, com orquestração de modelos e versões.
• Gerencio a infraestrutura em nuvem para servir os modelos a clientes externos.
• Integro IA generativa ao fluxo de engenharia (Claude e agentes): code review, code quality e security, padronização de código e logging, reduzindo tempo de revisão e dependência de documentação. Implantei testes unitários e de ponta a ponta com apoio do Claude.

• Implantei e mantive CDP (Adobe Experience Platform / Real-Time CDP) para grandes empresas de telecom, varejo e setor bancário; no principal projeto, operadora de telecom com cerca de 80 milhões de clientes.
• Modelei schemas XDM com schema evolution e construí ingestões de dados em batch (conexão com BigQuery e mapeamento de arquivos CSV) e em streaming, configurando o Kafka do lado do cliente integrado ao AEP.
• Utilizei as APIs do AEP para consulta de dados de clientes, campanhas e segmentos.
• Desenvolvi relatórios analíticos via Query Service (PostgreSQL com estruturas JSON aninhadas): parsing para rastrear, em nível de cliente, os pontos de contato de cada campanha, reproduzindo a visão gráfica nativa da Adobe com filtros mais precisos.
• Criei jornadas de ativação multicanal no Adobe Journey Optimizer (e-mail, push e SMS), incluindo estratégias de IP warming de domínios, e participei da integração nativa entre Zenvia e Adobe para envio de SMS, especificando endpoints e documentando a troca de informações entre os sistemas.
• Construí pipelines de dados com Airflow e Redshift em ambientes AWS e GCP.

• Criei uma Feature Store interna para cadastro e gestão de modelos e variáveis (SQL e metadados, com edição e exclusão), com autenticação OAuth 2.0 integrada ao GCP e frontend em Bootstrap.
• Refatorei o cálculo de variáveis de similaridade e segmentação de BigQuery para Spark/Scala em Dataproc (cluster de 10-15 nós): execução reduzida de dias, com falhas e reinícios, para cerca de 4 horas, com corte de custos cloud.
• Desenvolvi APIs REST em Flask e DAGs no Airflow com jobs em Python para processamento de dados e cálculo de modelos e variáveis.
• Realizei deploys via CI/CD e mantive projetos no GCP: Kubernetes, Dataflow, Bigtable, BigQuery e Cloud Storage.

• Desenvolvi rotinas MapReduce em Java, executadas em servidores on-premise, para gerar indicadores de clientes pré e pós-pagos para o time de marketing de uma grande operadora de telecom, processando ETLs de cerca de 4,5 bilhões de linhas, com tuning do algoritmo por ambiente.
• Apoiei a definição de regras de negócio, mapeando os caminhos entre as tabelas para chegar às informações solicitadas pelo time de marketing.
• Realizei cargas e otimizações em Hive e Greenplum via Apache Sqoop, gerei análises e relatórios e mantive scripts SAS.