Dev · Eng. de Computação

TI na base. Desenvolvimento no foco.

Sou José Renan São Bernardo da Silva, Engenheiro de Computação com experiência em infraestrutura e suporte de TI. Hoje desenvolvo software com a visão de quem conhece o ambiente real de produção.

Ver meus projetos Ver certificações

sys.status: online

stack.ts

constdev = [

'Next.js','Infra'];

14+

Anos em TI

Projetos

17+

Tecnologias

Certificações

Skills

Desenvolvida ao longo de anos em projetos com aplicação prática em ambiente real.

Ver perfil completo

Stack

HTML & CSSAvançado

Base de todo projeto web — uso desde os primeiros projetos

JavaScriptAvançado

Lógica, manipulação de DOM e APIs REST

Windows & Infraestrutura de TIAvançado

Mais de 5 anos de uso profissional em ambiente corporativo

Active DirectoryAvançado

Gerenciamento de usuários e permissões no AGERBA

Redes de ComputadoresAvançado

Formação técnica + experiência prática em campo

Git & GitHubAvançado

Controle de versão em todos os projetos pessoais

TypeScriptIntermediário

Usado neste portfólio e em projetos pessoais

React / Next.jsIntermediário

Framework principal dos meus projetos front-end

Diferenciais

Boa ComunicaçãoAprendizado RápidoAtendimento ao UsuárioVersatilidade

Coisas que eu construí

Alguns projetos que saíram do papel — com problema real e solução real.

Ver todos os projetos

Plataforma de Agendamento (Agendexs)

Destaque

Desenvolvimento de sistema web full-stack com Next.js, TypeScript e MySQL. Implementação de funcionalidades de agendamento e gerenciamento de usuários, estruturação de backend e integração com banco de dados. Aplicação voltada para múltiplos nichos de negócio.

Next.jsTypeScriptMySQLFull-Stack

Sistema de Monitoramento Energético (TCC)

Destaque

Este projeto consiste no desenvolvimento e avaliação de um sistema integrado de monitoramento de consumo energético residencial. A solução combina Inteligência Artificial (IA) com dispositivos de Internet das Coisas (IoT). O sistema utiliza um microcontrolador e sensor não invasivo para monitorar o consumo de diferentes aparelhos em tempo real. Os dados são processados utilizando um modelo de machine learning baseado em Random Forest com estratégia multilabel One-vs-Rest, permitindo a identificação simultânea de múltiplos dispositivos através de suas assinaturas elétricas. Adicionalmente, foi desenvolvida uma interface web intuitiva que proporciona aos usuários acesso a relatórios detalhados, gráficos interativos sobre o consumo e insights personalizados visando a eficiência energética.

PythonIoTAnálise de DadosDashboard