Fullstack-ingenjör / tillämpad AI

Pålitliga system.
Svar du kan spåra.

Jag heter João Paulo. Jag bygger backendsystem för arbetsflöden i offentlig sektor och en AI-handledare vars svar hänvisar till de sidor de bygger på. Nu tar jag med mig samma omsorg om dataintegritet till öppen källkod för nordiska energidata.

  • 5 år med mjukvara i produktion
  • System för vårdstyrning i produktion
  • Öppet nordiskt energibibliotek på PyPI
  • AI-svar kopplade till sina källsidor

Det som binder ihop arbetet: affärsregler som måste hålla, data som måste förbli konsekventa och svar som går att kontrollera.

São Paulo, Brasilien Tillgänglig för flytt med visumsponsring

01 / Nordisk energi, byggt öppet

Nordiska energidata som är lättare att granska och använda.

Nordiska balansdata kommer från fem källor, var och en med egna format, luckor och revideringar, och de öppna API:erna visar bara det senaste värdet. nordic-balancing samlar allt i en gemensam modell med 15-minutersintervall i UTC och låter ett saknat värde förbli saknat i stället för att fylla i det. Nordic Balancing Watch bygger på biblioteket och sparar varje version den ser, så att det går att spåra när ett pris först dök upp och vad som ändrades efteråt.

Pythonbibliotek med öppen källkod

nordic-balancing

Datalagret: typade Python-klienter för balans- och obalansdata från Energinet, Fingrid, Svenska kraftnät, eSett och ENTSO-E, i 15-minutersintervall i UTC. Ett värde som källan inte har publicerat förblir tomt, aldrig noll, och två källor kan stämmas av mot varandra när de skiljer sig åt. Installerbart från PyPI.

Bevakning i realtid

Nordic Balancing Watch

Byggd på nordic-balancing: en insamlare hämtar data från källorna och sparar varje prisversion den ser; webbplatsen visar när varje pris först dök upp, per zon och källa, och vad som reviderades efteråt. Insamlingen började i oktober 2026, så historiken är ännu kort.

Pull request till ett externt projekt

Bidrag till entsoe-py

Ett bidrag till entsoe-py, Python-klienten för ENTSO-E Transparency Platform. Inskickat, under granskning.

02 / Utvalda projekt

Byggt för att lösa verkliga problem.

Vård, styrning och tillämpad AI.
Varje system byggt så att rätt beslut blir det enkla.

01 / Styrning av offentliga tjänster

RegMais

I produktion

Patienter når rätt specialistvård, i rätt ordning.

Personal i offentlig sektor måste matcha en väntelista till specialistvård mot begränsad mottagningskapacitet. Jag byggde systemet som föreslår tilldelningar efter specialitet, prioritet och väntetid. Förslaget är bara en förhandsvisning: inget ändras i patientuppgifterna förrän handläggaren bekräftar.

  • React / TypeScript
  • FastAPI
  • SQLAlchemy / Alembic
Läs fallstudien om RegMais →

Inuti systemet

  1. Väntelista

    Specialitet · prioritet · väntetid

  2. Förhandsgranskning

    Kompatibla patienter · lediga tider

  3. Handläggaren bekräftar

    Uttrycklig åtgärd före tilldelning

Interaktionsflöde. Att förhandsgranska kompatibla patienter tilldelar dem inte i sig.

02 / Läkemedelsutlämning i offentlig vård

DispensaMais

Byggt från början till slut · privat kodförråd

Rätt läkemedel, i rätt mängd, från rätt batch.

Ett offentligt apotek måste ge varje patient exakt det hen är behörig till och hålla lagret korrekt ned till batchnivå. Jag byggde utlämningssystemet från början till slut. Varje utlämning kontrollerar behörighetens version innan lagret ändras och bär en idempotensnyckel, så att ett nytt försök känns igen i stället för att räknas som en ny utlämning.

  • Python / FastAPI
  • PostgreSQL
  • React / TypeScript
Läs fallstudien om DispensaMais →

Inuti systemet

  1. Behörighet

    Patient · läkemedel · version

  2. Behörighetskontroller

    Giltighetstid · saldo för perioden

  3. Utlämning

    Batch · mängd · lagerhändelse

Förenklad skrivväg. Behörighetskontrollerna körs innan lagret ändras.

03 / Tillämpad AI · personligt studieverktyg

Study Brain

Personligt verktyg · använt dagligen · byggs om

AI-svar som går att kontrollera mot källan.

Flytande chatbotsvar var till ingen nytta när jag pluggade inför prov om jag inte kunde kontrollera dem. Jag byggde en personlig AI-handledare för mitt eget PDF-bibliotek och använde den dagligen. Varje hämtat stycke behåller sin fil och sida ända fram till svaret, så att varje svar kan kontrolleras mot dokumentet.

  • Python / FastAPI
  • Qdrant / Neo4j
  • Ollama
  • Next.js / TypeScript
Läs fallstudien om Study Brain →

Inuti systemet

  1. PDF → worker

    Köat jobb · extrahering · sidmedvetna textavsnitt

  2. Indexera → hämta

    Vektorer i Qdrant · källtext och sidor

  3. Tutor → evidens

    Modellens svar · granskningsbara källor

Demonstrerad svarsväg. Workern indexerar även Neo4j; diagrammet tillskriver inte svaret något grafbaserat resonemang.

03 / Ingenjörsmässigt arbetssätt

Det värdefulla arbetet ligger i besluten.

A

Modellera reglerna.

Behörighet, lager, kapacitet och historik förtjänar explicita modeller. Backend ska skydda de regler som gränssnittet utlovar.

Se gränsen kring utlämningen →
B

Gör handlingar begripliga.

Förhandsgranska ändringar som får konsekvenser. Förklara tomma lägen och fellägen. Låt handläggaren förstå ett beslut innan det genomförs.

Se tilldelningsflödet →
C

Gör svar granskningsbara.

Bär med källtext och sidhänvisningar genom inläsning, sökning och modellens svar. Kontrollera evidensen mot dokumentet den kommer från.

Se vägen från dokument till evidens →

04 / Fler utforskningar

En bredare verktygslåda.

Interaktiv språkinlärning

Bulldog: Sverige

En 2D-livssimulator i Unity 6 för att lära sig svenska genom att leva ett vanligt liv i en liten svensk stad: utforska, studera, handla, arbeta och skaffa vänner. Utformad så att svenskan blir något spelaren behöver, inte bara studerar. Under utveckling.

Fråga mig om projektet →

05 / Yrkesmässigt sammanhang

Nära domänen.
Genom hela stacken.

Jag bygger mjukvara som verkliga organisationer använder varje dag.

På DemandaNet har jag sedan 2021 arbetat med arbetsflöden för skoladministration, migreringar av relationsdata och produktmoduler. Mina egna projekt för samma arbetssätt vidare till offentliga vårdtjänster och evidensbaserad dokumentintelligens.

Python och PHP har varit en del av mitt arbete sedan början av min karriär: PHP är grunden i DemandaNets plattform, och jag arbetar också med Laravel. TypeScript och SQL står för mycket av resten, och övriga verktyg väljer jag utifrån problemet, människorna som använder mjukvaran och kostnaden för att underhålla den.

Erfarenhet och CV →

Låt oss prata om arbetet

Behöver du hjälp med ett backendsystem, en dataintegration eller ett AI-verktyg med källförankrade svar?

Berätta vad du bygger. Jag söker roller inom backend, fullstack och tillämpad AI, inom nordisk energi och utanför.

Bor i Brasilien. Flytande engelska, lär mig svenska. Tillgänglig för flytt till Sverige, Danmark eller annat land i Europa med visumsponsring, eller för distansarbete.