Líderes

Resolvi brincar um pouco com IA local para programação e fiquei surpreso. Instalei o LM Studio, carreguei o Gemma 4 E4B e conectei ao OpenClaude. OpenClaude LM Studio Como teste, pedi para gerar uma landing page completa. O modelo criou HTML e CSS separados, com layout responsivo, seções bem estruturadas, formulário e uma organização de código melhor do que eu esperava para um modelo relativamente pequeno. Claro que a copy ficou meio genérica e teve algumas alucinações no conteúdo, mas a parte de código ficou bastante utilizável. Por enquanto integrei apenas com o OpenClaude, mas imagino que também seja possível usar com VS Code através de extensões compatíveis com a API OpenAI. Minha dúvida para quem já está usando IA local no dia a dia: Alguém aí usando IA local? Qual modelo vocês consideram o melhor atualmente para programação? Alguém está usando Gemma 4 12B, Qwen3 Coder ou algum outro modelo focado em coding? Como vocês integram no fluxo de trabalho? VS Code, Continue, Cline, Roo Code ou outra ferramenta? Alguém conseguiu substituir parte do uso de Claude/GPT por modelos locais para desenvolvimento web e backend? Meu pc atual tem uma RTX 4070, então ainda estou limitado nos modelos que consigo rodar. Também tenho curiosidade sobre o outro extremo: quem tem uma RTX 5090 (32 GB VRAM) ou hardware parecido está conseguindo rodar algum modelo que realmente seja competitivo para programação séria no dia a dia? 🤖 🤖 🤖 🤖 🤖

No seu lugar eu pelo menos dobraria essa reserva, quando saí do escritório pra empreender eu tinha quase 300 mil guardados. De imediato vc pode ou trocar de clínica, onde te dê condições melhores ou que esteja de acordo com seus valores ou aguardar até ter um capital mais robusto.

@João Eduardo de Melo Leão achei arriscado demais lagar o emprego do dia pra noite e pegar empréstimo. O mais sensato com certeza seria reduzir suas horas na clínica e usar o tempo livre pra iniciar os seus atendimentos particulares. Quanto maior o retorno, mais tempo focado no negócio.

1. Foque em resolver problemas ou agregar valor. 2. As pessoas compram de quem elas confiam (seja atuante nas redes sociais). 3. O bom networking consiste em ajudar as pessoas de forma genuína sem esperar nada em troca. Se possível, venda pra gente rica. Tenho um amigo da minha idade que ganha 15k/mês vendendo maquinário pra indústria têxtil.

o primeiro erro é se comparar aos outros. meça o seu sucesso por você ou sempre será frustrado. e não me entenda mal, não há nada de errado em ter referências e querer crescer para chegar onde outros chegaram, mas não queira comparar a sua jornada com a de cada um deles ou de quem está ao seu redor. o caminho de cada um é individual. e por que isso é um problema? vá mais fundo na questão. existiram ao longo da história várias parcerias de sucesso entre pessoas que tinham habilidades completamente diferentes. as vezes o que te falta não é network no sentido de trabalho, mas criar relações com pessoas em um sentido mais amplo. e aí chegamos no ponto que eu queria chegar. você está vendo isso apenas por uma lente profissional. mas se na tua vida fora do trabalho você já apresenta esses traços, é aí que tem que começar. se tem dificuldade para falar com pessoas em contextos aleatórios e que não te custam nada ou geram benefício algum, terá mais ainda onde "tem algo em jogo". precisa desenvolver isso, e não existe atalho ou bala de prata. é só fazendo mesmo. use toda oportunidade que tiver para falar com estranhos e desenvolver a comunicação, entenda o que dá certo e o que não dá e vá desenvolvendo isso. em paralelo, comece a entender o que precisa em uma parceria para tornar o teu negócio viável e vá atrás de achar alguém que tenha isso. e até lá aproveite o caminho.

Bom dia @Miguel Angel Calle Gonzales tudo bem? Parabéns pela iniciativa. Eu amo o universo do empreendedorismo, acredito que se pode crescer muito nesse universo mas também é importante se planejar para que você trace uma jornada mais tranquila. Eu sou contadora, sócia da Confideri Contabilidade e vou te ajudar com os seus questionamentos: Vou considerar que o foco do seu negócio será a prestação de serviços na área de consultoria empresarial. 1. Definição do CNAE: Como você comentou que se refere a uma consultoria com foco em desenvolvimento de um equipamento na área de engenharia, acredito que os CNAE's abaixo podem se aplicar ao negócio: CNAE: CNAE: 7112-0/00 - Serviços de engenharia e CNAE: 7020-4/00 - Atividades de consultoria em gestão empresarial, exceto consultoria técnica específica 2. Enquadramento: Aqui depende da média de faturamento que o seu negócio pretende ter. MEI não faz sentido porque a atividade de consultoria não pode ser MEI. Para entender sobre os outros regimes, seria importante entender sobre o faturamento médio para escolher o formato que vai apresentar a menor carga tributária. 3. Contratação: Aqui vale sempre avaliar como funcionará o trabalho dos contratados. Se a contratação for através de contrato de prestação de serviços é importante estar bem alinhado para que você não tenha problemas com processos trabalhistas futuramente. Contratar como CLT garante maior segurança na questão de processos trabalhistas mas costuma ser mais caro. Precisamos entender no detalhe como serão os serviços executados pelos os seus contratados. 4. Cuidados legais e fiscais na abertura e operação da empresa: Aqui envolvem muitas coisas. Mas você com certeza vai precisar de uma contabilidade. No meu negócio contábil, nós realizamos uma reunião de boas vindas onde eu explico todos os pontos importantes e cuidados que a sua empresa precisa ter para não ter nenhum problema com o Fisco. 5. Registro CREA: Caso a empresa inclua o CNAE de engenharia, precisa realizar o registro no CREA como PJ também para que o negócio esteja devidamente regularizado. Vamos agendar um bate papo que te explico todos esses pontos com maiores detalhes e apresento os planos que temos no meu escritório contábil. Whatsapp: 1191483-4831

Opa @Pedro Henrique Queiroz, boa tarde, meu nobre!! Eu comecei a trabalhar em 2023 como júnior. Na virada de 2024 para 2025, fui promovido para pleno. E, em novembro de 2025, consegui uma vaga em uma startup americana. Vou compartilhar aqui minha experiência e o que aprendi durante minha jornada até conseguir uma vaga de dev no exterior. Acredito que possa te ajudar de alguma forma. A primeira coisa que eu aconselharia é não se limitar a “Dev Júnior”. Isso não só limita o leque de vagas para as quais você pode aplicar, mas também reduz a chance de recrutadores encontrarem o seu perfil. Obviamente, uma pessoa que acabou de começar na área não vai sair aplicando para vagas de pleno/sênior. Porém, acredito que, se você leu a descrição da vaga e faz match com pelo menos uns 60/70% do que está sendo pedido, vale ajustar seu CV e aplicar. Uma coisa óbvia, mas que é sempre bom reforçar: para subir de júnior para pleno, é preciso assumir mais responsabilidades. Na prática, isso pode se traduzir de várias formas, como: Assumir a frente de uma feature mais complexa Liderar uma refatoração grande Ajudar a liderar pessoas (treinar estagiários ou novos membros do time, por exemplo) Trazer ideias e soluções nas reuniões etc. Algo que me ajudou bastante e me fez amadurecer e crescer exponencialmente foi fazer projetos práticos no meu tempo livre. Pegue um grupo de tecnologias que você quer estudar ou se aprofundar, pense em um problema que você tem ou gostaria de resolver (ou algo que você acha que pode fazer melhor) e comece um projetinho prático, seguindo padrões profissionais (versionamento de código, subir no Git, fazer PRs, etc.). Isso pode virar portfólio para você mostrar no futuro durante entrevistas. A importância de tratar projetos pessoais como profissionais nessa fase é que você cria uma espécie de “memória muscular” ou hábito de fazer as coisas do jeito certo. Além disso, eu posicionei/atualizei todo o meu LinkedIn para inglês e fui fazendo conexões com recruiters, mandando mensagens, trocando ideias e fazendo posts em inglês sobre meus projetos pessoais. Sobre o processo de aplicação e entrevistas: Não sair aplicando para qualquer vaga aleatoriamente Para mim, o que mais funcionou foi separar um tempinho do meu dia (todos os dias) para analisar e estudar vagas que realmente faziam sentido para mim. Algo em torno de 1 ou 2 vagas por dia já está excelente. É importante priorizar qualidade ao invés de quantidade nessa fase, pois isso aumenta suas chances de ser chamado para uma etapa inicial (initial screening), que geralmente é uma conversa com o RH. Algumas dicas importantes antes de aplicar: Ajustar o currículo para a vaga Enviar uma cover letter bem escrita (sem exagero e sem parecer gerada por IA) Pesquisar a empresa no LinkedIn/Glassdoor. Por exemplo, ver quantos funcionários da LATAM a empresa tem pode ser um indicativo de que ela contrata da região (caso isso não esteja claro na descrição da vaga) Se preparar para as entrevistas → jogo é jogo, treino é treino Para chegar bem nas entrevistas, você pode se preparar para cada etapa. Algumas das mais comuns são (os nomes podem variar): Initial Screening: conversa com o RH. Basicamente, você vai contar sua experiência e a empresa vai avaliar se você faz sentido para a vaga. Você pode treinar essa etapa simulando entrevistas com IA (em inglês), assistindo vídeos de entrevistas reais, etc. É importante já ter um pitch bem estruturado, porque aqui sempre aparece a pergunta: “Me conte mais sobre você e sua experiência” Tech Discussion: geralmente você entra em uma call com alguém técnico da empresa. Espere perguntas sobre as tecnologias que você usa, como resolveria determinados problemas, decisões técnicas, etc. Vale revisar bem os requisitos da vaga e estudar os principais conceitos para chegar mais confiante. Live Coding / Code Challenge: Muitas vezes há uma etapa em que você resolve um problema em tempo real com alguém da empresa. O que me ajudou bastante em live coding foi treinar exercícios comuns no LeetCode. Já nos casos de code challenge (quando você recebe um problema para resolver em um período de tempo), o que mais me ajudou foi ter experiência com projetos práticos. Durante esses projetos, eu me gravava codando e explicando meu raciocínio. Isso ajuda muito a ficar confortável em falar enquanto programa. Algo que, na minha visão, vale a pena explorar também são as tecnologias com maior demanda no mercado em que você quer atuar. Sei que ainda tem muita vaga para Java, mas as stacks que mais vejo hoje em dia são: Python Go JS/TS Não estou dizendo para você migrar completamente de stack, mas talvez valha a pena pesquisar o mercado e avaliar aprender algo complementar. Bom, isso foi um resumo do que eu aprendi e observei ao longo da minha jornada até aqui. O mercado está mudando com a IA, e tenho visto muitas vagas pedindo para mostrar como você usa IA no seu workflow do dia a dia. Mas, no fim, tudo depende muito da empresa e da vaga. Espero que ajude na sua jornada!! 🤝

Falaa pessoal, Preciso de ajuda para obter dados fundamentalistas históricos (30–40 anos) para um projeto de Análise fundamentalista em Machine Learning. Gostaria de saber se alguém sabe um jeito viável de consegui-los. Estou desenvolvendo meu Trabalho de Conclusão de Curso (TCC) na área de Machine Learning aplicado a investimentos. A ideia central do trabalho é relativamente simples de explicar, mas esta difícil de executar na prática por causa dos dados. Ideia do projeto Análise fundamentalista com Machine Learning de ações para longo prazo. Ou, em termos mais diretos: Quais empresas americanas têm maior probabilidade de superar o S&P 500 no longo prazo (10-15 anos), com base apenas nos indicadores fundamentalistas passados (mínimo 5 anos retroativos). A ideia não é adivinhar o quanto vai subir, só quais tem mais probabalidade de mais valorizar baseado nos fundamentos passados da empresa. Ai depois utilizar o modelo treinado na bolsa brasileira e/ou europeia e ver como desempenha historicamente (comparado ao indice local). Eu não sei exatamente qual a metodologia que vou usar (pois não sei os dados que vou conseguir), mas pra dar um exemplo poderia ser o que eu disse acima. A proposta é comparar diferentes modelos de machine learning treinados com indicadores contábeis e financeiros, como: ROE, ROIC, ROA P/L, PVP Dividend Yield e Payout Margens operacionais Receita, lucro, ativos CAPEX Dívida CAGR Etc A ideia é responder, com dados e modelos, à pergunta clássica: O que realmente caracteriza uma “boa empresa” para investimento de longo prazo historicamente falando? Por que a bolsa americana? Estou focando na bolsa americana porque: O mercado é mais maduro Existe maior padronização contábil Em tese, o acesso a dados históricos é mais viável O S&P 500 fornece um bom benchmark claro para comparação O meu problema atual: dados históricos realmente completos Idealmente, eu precisaria de 30 anos de dados (ou até 40, se possível) para indicadores fundamentalistas e não me importo de pagar um pouco por isso. Já analisei algumas APIs pagas, mas sempre encontro algum tipo de limitação relevante. Exemplos: Algumas prometem “30 anos de dados”, mas ao ler a documentação com atenção, aparece algo como: “For smaller companies, data is available for the last six years and the previous 20 quarters” Ou seja: dados longos apenas para grandes empresas, o que enviesa completamente o estudo. Um exemplo concreto é a EODHD (https://eodhd.com/), que tem uma API bem completa, mas custa cerca de US$ 100 por mês, e ainda assim possui a ressalva acima quanto à profundidade histórica dependendo da empresa. Se eu não me engano o Raul falou que a AUVP Analítica usa dados da Morningstar, mas pelo que eu vi o acesso não é pensado para uso individual e muito menos para fins acadêmicos específicos como este (nem achei preços nos site, pede pra entrar em contato kk). O Investidor10 Pro, por exemplo, afirma ter até 40 anos de dados para ativos internacionais. Entrei em contato com o suporte para entender qual base de dados eles utilizam, mas ainda estou aguardando resposta. Onde entra o pedido de ajuda Estou buscando orientação, sugestões ou experiências reais de quem já lidou com esse problema. Em especial: Bases de dados acadêmicas ou institucionais APIs ou datasets que realmente entreguem 30–40 anos de indicadores fundamentalistas, sem recortes artificiais Alternativas viáveis para estudantes (licenças educacionais, acesso temporário, parcerias) Estratégias para contornar limitações sem comprometer a validade estatística do estudo Se você já trabalhou com dados fundamentalistas históricos, pesquisa acadêmica em finanças, ou conhece alguma fonte menos óbvia (universidades, consórcios, datasets “esquecidos”), qualquer dica pode fazer enorme diferença. Esse projeto é parte do meu TCC, mas também um estudo que pretendo documentar bem, quero fazer ele em inglês e penso em publicar em alguma revista estrangeira se possível. Agradeço muito qualquer ajuda, pitaco, indicação ou contato. Fico aberto a expor mais do que pensei até agora também (porém sem os dados de pouco adianta). Perdão pelo textão e obrigado (obs: pedi pra IA me ajudar a estruturar ele melhor).

@Gustavo Bervian Brand Ahh boa, vou dar uma olhada! Criei um tópico disso, vi q n tinha ainda kkkk.

@Gustavo Bervian Brand Qual teclado e mouse voce usa? Ergonomicos de marca grande somente achei da logitech mas nao pareceu tudo aquilo. Eu tava pensando num mouse mais leve alem de vertical.

Não tive muita sorte com datasets grátis, a maioria não faz projetos que usam indicadores fundamentalistas com 20+ anos. Inclusive uns dos únicos q faz isso usa a API que mencionei no post rs. ^^ https://github.com/marcosan93/Stock-Performance-Predictor-2.0 Enfim eu vou precisar pagar uma API se eu quiser um dataset bom e mesmo assim ter certas limitações, não vai ter mto jeito. Mas obrigado pessoal! Quem sabe se surgir alguma questão interessante de discutir com mais gente com uma visão parecida com a minha eu trago aqui pra comunidade novamente.

@Alexandre Weirich@Sergio Tanaka Vou tentar isso! Confesso que não pensei nisso por eu precisar de dataset, mas deve ter repo com pelo menos linkado msm. Retorno aqui se achar coisa boa!

Então @Anderson Santo@Filipe Andrade Nascimento, essa foi o primeiro que olhei mas os indicadores só tem histórico de 5 anos. O que tem vários anos é o histórico de preço e alguns dados que pra mim n servem.