Engenharia de Dados [Cast]

Em que momento a IA deixou de ser uma curiosidade e passou a mudar, de verdade, o jeito de trabalhar com dados?

Neste episódio do Engenharia de Dados Cast, Lucas Tancredi recebe Rafael e os profissionais da DataShip Anthony Lucas e Vinícius para uma conversa sobre carreira, produtividade e o uso de IA no dia a dia.

Anthony conta como conseguiu construir em menos de um mês um pipeline que, no modelo tradicional, poderia levar meses e exigir uma equipe inteira. Vinícius fala sobre sua experiência com Spec-Driven Development, usando reuniões, notas e requisitos como ponto de partida para desenvolver com mais velocidade e menos retrabalho. Rafael compartilha o que aprendeu em projetos de aceleração de IA com a Microsoft, inclusive assumindo tarefas que antes dependeriam de especialistas de áreas diferentes.

A conversa também entra nas perguntas que muita gente da área já está fazendo:

• O que muda na carreira de quem trabalha com dados?
• Quais habilidades passam a valer mais?
• Como usar IA sem terceirizar o raciocínio?
• Até onde uma pessoa consegue chegar com agentes e bons processos?
• O que acontece com os times quando um profissional passa a executar o trabalho de vários papéis?

Não tem papo de que a IA vai resolver tudo, nem previsão apocalíptica sobre o fim da profissão. Tem experiência real de quem já mudou o próprio workflow e está entendendo, na prática, onde a IA ajuda, onde ainda falha e por que saber trabalhar com ela está virando parte do ofício.

Se você trabalha com engenharia de dados e ainda trata IA como algo para "ver depois", este episódio pode ser a sua virada de chave.

Lucas Tancredi - Linkedin
Rafael Rodrigues - Linkedin

Antony Lucas - Linkedin

Vinicius Peres - Linkedin

 Luan Moreno - Linkedin

https://engenhariadadosacademy.com.br/

Engenharia de Dados Academy - Instagram

Prepare-se para uma conversa direta sobre a disciplina que está silenciosamente substituindo a engenharia de dados como a gente conhece, e que ainda não tem nome no mercado brasileiro.

Neste episódio, Lucas Tancredi e Luan Moreno discutem, sem rodeios, por que Engenharia Agêntica não é prompt engineering glorificado, o que mudou de verdade no workflow de quem já está construindo sistemas autônomos, e como o Data Engineer chegou ao centro dessa transformação.

O que você vai aprender neste episódio:

• Por que o medo não desaparece mesmo pra quem já constrói sistemas agênticos há dois anos, e o que isso diz sobre a velocidade do que está acontecendo.
• O que o Karpathy quis dizer com Software 3.0 e por que isso muda a forma como você pensa sobre o seu trabalho com dados hoje.
• As 5 camadas da Engenharia Agêntica (Prompt, Context, Harness, Loop e Eval Engineering) e por que a maioria das empresas ainda investe tudo na camada menos importante.
• O que é uma Dark Factory e como um sistema de 42 agentes fez em 6 meses o que um time de 7 pessoas levou 3 anos pra tentar, e ainda encontrou um bug de 137 mil dólares que ninguém havia visto.
• Por que você não vai ser substituído pela IA, mas pode ser substituído por alguém que a usa melhor do que você, e o que isso significa pra quem está no mercado agora.

Este não é um episódio sobre ferramentas. É uma conversa sobre por que esse momento não vai esperar você estar pronto.

Lucas Tancredi - Linkedin

 Luan Moreno - Linkedin

https://engenhariadadosacademy.com.br/

Engenharia de Dados Academy - Instagram

Prepare-se para uma conversa direta sobre o que está mudando na Engenharia de Dados e o que nenhum relatório de mercado vai te contar. 

Neste episódio, Lucas Tancredi recebe Luan Moreno e Rafael Rodrigues para discutir, sem filtro, por que o Data Engineer pode estar se tornando obsoleto e o que os profissionais precisam fazer agora para não ficar para trás.

O que você vai aprender neste episódio:

• Por que a tecnologia é cíclica  e como usar esse padrão a seu favor antes que o mercado te pegue de surpresa.
• O que está mudando na Engenharia de Dados e por que adaptar o título no currículo não resolve o problema real.
• Por que dominar os fundamentos da tecnologia vale mais do que correr atrás de qualquer ferramenta nova.
• Como a comunicação eficaz se tornou uma vantagem competitiva real para quem trabalha com dados e IA.
• O que o mercado está pedindo agora  e como alinhar sua mentalidade a essa nova demanda antes que ela se feche.

Este não é um episódio sobre ferramentas. É uma conversa sobre o que separa os profissionais que vão liderar a próxima fase da IA dos que vão ficar esperando a próxima onda passar.

Lucas Tancredi - Linkedin

 Luan Moreno - Linkedin

https://engenhariadadosacademy.com.br/

Engenharia de Dados Academy - Instagram

Um pipeline monolítico de 5.000 linhas. Sete notebooks acoplados. Dez chamadas de API dentro de definições DLT. O que acontece quando você coloca quarenta agentes de IA especializados nesse problema e dá um prazo de três dias?

Neste episódio da série Era dos Agentes, exploramos a refatoração completa do pipeline de dados do InfraView: de um monolito no Databricks para uma arquitetura limpa de três camadas, usando AWS Lambda, Lakeflow Declarative Pipelines e Databricks Asset Bundles.

A história começa com um problema real: a infraestrutura que sustentava a cobrança de clientes era frágil, não escalável e impossível de testar. Um timeout de API às duas da manhã derrubava o pipeline inteiro. Doze constantes críticas de threshold estavam espalhadas como números mágicos por cinco arquivos diferentes. Ninguém conseguia provar que as fórmulas estavam corretas.

Na segunda sessão, o projeto quase parou. Um bug não documentado no motor DLT: o decorator dp.table em Python, com nomes fully qualified, quebrava a resolução do grafo JVM em pipelines multi-schema. Foram três a quatro horas de debugging. Sete abordagens falharam.

Até que surgiu o Padrão Híbrido SQL+Python: notebooks Python criam views temporárias com dp.view para a lógica complexa, e notebooks SQL registram as tabelas finais com CREATE OR REFRESH. O DLT processa tudo como um único grafo de computação.

O clímax é a validação em escala de produção: 920.676 registros reais de OTel processados simultaneamente pelos dois pipelines, legado e novo. 822 milhões de linhas Silver geradas. O resultado: InfraRating (risco e otimização) com 100% de match exato em 42.640 comparações. Performance de 38 minutos no serverless contra 90 minutos no clássico: 2,3 vezes mais rápido, com dados idênticos.

O novo pipeline encontrou 68 hosts onde o legado encontrava apenas 14. Não é só equivalente: é melhor.

Como foi construído: uma pessoa de engenharia trabalhando com Claude Code e quarenta agentes de IA especializados: lakeflow architect, spark specialist, code reviewer, lambda builder, medallion architect. Seis sessões ao longo de três dias. 1,8 milhão de tokens de raciocínio colaborativo.

Tecnologias: Claude Code, Databricks Lakeflow, Unity Catalog, AWS Lambda, SAM, Databricks Asset Bundles, PySpark, Spark SQL, Auto Loader e Delta Live Tables.

Este episódio foi gerado com NotebookLM a partir de fontes produzidas por agentes de IA especializados. O conteúdo que você ouve é o produto direto da era agêntica em ação.

 Luan Moreno - Linkedin

https://engenhariadadosacademy.com.br/

Engenharia de Dados Academy - Instagram

Neste episódio, Luan Moreno compartilha sua trajetória na área de dados, desde suas origens como DBA até sua ascensão como Lead Data Engineer. 

Ele discute a importância da formação, certificações e a transição para a engenharia de dados, além de compartilhar experiências interessantes em sua carreira, como o trabalho no lançamento do GTA V. 

Luan também enfatiza a relevância da comunidade e do networking, bem como a necessidade de soft skills, como comunicação, no ambiente de trabalho. 

Ele apresenta sua metodologia de aprendizado, o método GEAR, que combina teoria e prática, e reflete sobre a pressão e o estresse no trabalho, destacando a importância de ter suporte e mentores.

• A comunidade é essencial para o crescimento profissional.
• A formação acadêmica é uma das várias formas de alcançar o sucesso.
• A pressão inicial na carreira pode moldar a forma como lidaremos com os desafios futuros.
• A comunicação é uma habilidade crucial no mercado de trabalho.
• A metodologia GEAR combina teoria e prática para um aprendizado eficaz.
• A constância no estudo é fundamental para o sucesso.
• Mentores podem acelerar o aprendizado e a carreira.
• Projetos solicitados são oportunidades de aprendizado.
• Networking é vital para oportunidades de carreira.
• A velocidade das mudanças tecnológicas exige adaptação constante.

 Luan Moreno - Linkedin

https://engenhariadadosacademy.com.br/

Engenharia de Dados Academy - Instagram

Neste episódio do Engenharia de Dados Cast, Vitor Ramos e Victor Grudtner discutem com o convidado Matheus Nogueira sobre a experiência prática com Kubernetes, abordando desde a introdução à ferramenta até desafios enfrentados em produção.

 O convidado compartilha dicas sobre como começar a estudar Kubernetes, a importância da observabilidade e a cultura de trabalho em equipes que utilizam essa tecnologia. 

Além disso, são discutidos os desafios da arquitetura distribuída e a necessidade de um planejamento cuidadoso para evitar problemas financeiros e operacionais. 

Matheus Nogueira compartilha suas experiências e dicas sobre o uso do Kubernetes, abordando desde a importância de evitar o namespace padrão até a comunicação eficaz entre equipes técnicas e de negócios.

 Ele discute o futuro do Kubernetes, destacando sua relevância e as tendências emergentes, além de oferecer recomendações práticas para otimização de containers e automação de testes com inteligência artificial.

 Luan Moreno - Linkedin

https://engenhariadadosacademy.com.br/

Engenharia de Dados Academy - Instagram

Prepare-se para uma imersão nos bastidores do mais recente encontro de engenharia de dados em Brasília e descubra as tendências que estão moldando o futuro da área. Neste episódio, Vitor Ramos conversa com Wesley Outeiro e outros participantes para compartilhar os principais insights e aprendizados do evento presencial, organizado pela Engenharia de Dados Academy e como palestrante Luan Moreno.

Uma conversa sincera sobre a importância das interações presenciais, a evolução da comunidade de dados e o impacto da Inteligência Artificial no dia a dia dos profissionais.

O que você vai aprender neste episódio:

• A importância do networking e da comunidade para o crescimento pessoal e profissional na área de dados.
• Como a interação presencial em eventos potencializa o aprendizado e a colaboração.
• As principais tendências em dados e IA que estão criando novas oportunidades e desafios para o mercado.
• Por que o domínio dos conceitos fundamentais é mais crucial do que nunca para o sucesso na engenharia de dados.
• A relevância de FinOps para a gestão eficiente de custos de nuvem em projetos de dados.
• Reflexões sobre como a dinâmica de eventos e a troca de conhecimento estão evoluindo.
• O poder de se conectar com líderes da indústria para se inspirar e motivar sua carreira.

 Luan Moreno - Linkedin

https://engenhariadadosacademy.com.br/

Engenharia de Dados Academy - Instagram

O Impacto da IA Generativa no Presente e Futuro dos Dados

Prepare-se para uma conversa de altíssimo nível sobre como a Inteligência Artificial Generativa está transformando o mundo dos dados, das empresas e das carreiras. Neste episódio, Luan Moreno recebe Eduardo Ordax, Líder de IA Generativa na AWS, e Mateus Oliveira para discutir, sem rodeios, os impactos reais da IA no mercado.

O que você vai aprender neste episódio:

• Como a IA Generativa está mudando a forma como construímos pipelines, produtos e soluções de dados.
• Os principais desafios que empresas enfrentam ao implementar GenAI — e por que tecnologia não é mais o problema, mas sim pessoas e dados.
• O papel da Engenharia de Dados no mundo da IA e como ela se conecta com conceitos como LLMOps, Fine-Tuning, Prompt Engineering e Data-Centric AI.
• Por que o domínio dos fundamentos nunca foi tão importante para quem trabalha (ou quer trabalhar) com dados e IA.
• Reflexões sobre o futuro das carreiras em dados e IA — será que os engenheiros de dados, cientistas de dados e desenvolvedores serão substituídos ou terão um papel ainda mais relevante?
• As diferenças entre usar IA para brincar no ChatGPT e levar IA para resolver problemas de negócios no mundo real, em escala e em produção.

Este é um papo sobre IA. 
É uma imersão completa sobre os desafios, as oportunidades e a visão de futuro para quem trabalha com dados, engenharia, machine learning e inteligência artificial.

 Luan Moreno - Linkedin

https://engenhariadadosacademy.com.br/

Engenharia de Dados Academy - Instagram

No episódio de hoje Mateus Oliveira entrevistou  Ananda Ellen (Engenharia de Dados),  Leonardo Côco e Victor Grutner, integrantes do time de dados da One Way Solution.

Spark e Engenharia de Dados para Iniciantes, são tópicos extremamente relevantes nos dias de hoje, afinal, todos nós fomos iniciantes um dia.

Nesse bate-papo conversamos sobre quais desafios e conquistas temos durante o aprendizado de Apache Spark.

Não somente isso, falamos também sobre a área de Analytics na visão do Leonardo e do Victor, consultores da One Way Solution.
Neste podcast iremos falar sobre:

• Área de Analytics
• Apache Spark para Iniciantes

Esse podcast tem como principal intuito mostrar os desafios que os profissionais iniciantes na área de dados tem em comum, e como você pode se sobressair nestes desafios, com experiências de quem já passou por isso.

 Luan Moreno - Linkedin

https://engenhariadadosacademy.com.br/

Engenharia de Dados Academy - Instagram

No episódio de hoje Mateus Oliveira entrevistou Alessandro Gums (Analytics Engineer), Bruno Bento (Analytics Engineer) e Franklin Ferreira (Arquiteto de Dados), integrantes do time de dados da Clicksign.

Analytics Engineer se tornou uma grande thread do mercado e também uma necessidade nas empresas de hoje. fazer o split das responsabilidades de uma determinada área é comum e isso tinha que acontecer na engenharia de dados, devido a complexidade dos processos e necessidades de especialistas.
Neste bate papo iremos falar sobre:

• Analytics Engineer
• Modelagem de Dados nas empresas

Esse podcast tem como principal intuito mostrar o dia-a-dia dos Analytics Engineer nas empresas para que você, aspirante a esta área, entenda o exercicio da profissão na realidade.
Além disso, queremos demonstrar o quanto esta profissão vem crescendo e expandindo em grandes empresas como Clicksign.


Linkedin do time Clicksign
Franklin Ferreira (Arquiteto de dados): https://www.linkedin.com/in/franklinfs390/
Alessandro Gums (Analytics Engineer):https://www.linkedin.com/in/alessandro-gums/
Bruno Bento (Analytics Engineer):https://www.linkedin.com/in/bruno-pereira-bento/

 Luan Moreno - Linkedin

https://engenhariadadosacademy.com.br/

Engenharia de Dados Academy - Instagram