Olá — sou desenvolvedor júnior baseado em São Paulo, Brasil. Trabalho com automação de processos, engenharia de dados e integração de APIs, e estou em uma trajetória de aprendizado contínuo em AI/ML. Gosto de estruturar backends robustos, construir integrações confiáveis e transformar dados em workflows executáveis.

• Nível: Júnior — entrego soluções práticas enquanto sigo ampliando conhecimento técnico e boas práticas.
• Principal linguagem: Python — minha ferramenta diária para scripts, APIs, protótipos ML e automação.
• Experiência com Node.js e ecossistema web (React, AdonisJS) em sites e APIs de pequeno a médio porte.
• Hábito de trabalhar com Docker e containers para ambientes reprodutíveis.
• Uso cotidiano de Linux / WSL para desenvolvimento.
• Em estudo prático: machine learning, LangChain/LangGraph e LLMs locais (faiss/pgvector).
• Localização: São Paulo, Brasil — aberto a colaborações remotas e presenciais.

• Automação de pipelines (ETL), scraping confiável e integração com APIs.
• Backends REST/GraphQL com foco em estabilidade, testes e deployments em container.
• Orquestração simples de workflows e integrações com CRMs e serviços externos.
• Prototipagem de POCs em ML/IA e dashboards rápidos (Streamlit).

• Linguagens: Python (principal), TypeScript/JavaScript (Node.js, React)
• Backend: FastAPI, Express.js, AdonisJS
• Frontend: React, Next.js, Vite
• AI / ML (em estudo): LangChain, LangGraph, Faiss, pgvector, LLMs locais
• BD & cache: PostgreSQL (+ pgvector), Redis, SQLite
• Infra: Docker, docker-compose, WSL, GitHub Actions
• Testes & qualidade: pytest, Jest / Vitest, linters

• Servidor Tusk / Cardjitsu Snow — servidor customizado para comunidade: backend para sincronização de estado, gerenciamento de sessões/jogadores e automações de manutenção/deploy.
• Projeto "ProjetoEspecialistaTMB" — app full‑stack (FastAPI + Next.js) com experimentos em vetores e integração de LLM tooling.
• "AI-Transcription-FastAPI" — POC de pipeline de transcrição com FastAPI.
• "streamlitMLChurn" — protótipo de dashboard ML para análise de churn.

Observação: possuo projetos privados e trabalhos profissionais que fazem parte da minha experiência; não exponho conteúdo sensível aqui.

• Atualmente: estabilização de backends Python (FastAPI) e melhorias em pipelines de ingestão/automação.
• Aprendendo: machine learning aplicado (classificação/regressão), engenharia de prompts e workflows de LLMs (LangChain/LangGraph).
• Explorando: melhores práticas de DevOps para projetos pequenos e observabilidade.

• Entrega pragmática e foco em resultados.
• Engenharia de backend: APIs, migrations e testes.
• Automação e scraping resilientes.
• Uso consistente de containers para desenvolvimento e deploys.

• Machine Learning: iniciante ativo — construo protótipos e estudo fundamentos.
• Workflows de LLMs e orquestração.
• Aprofundamento em práticas DevOps e infra como código.

• Pull requests e issues em repositórios públicos são bem-vindos (PRs pequenos, com repro steps e dados mock).
• Aberto a colaborações em automação, scraping, pipelines de dados e POCs em ML/LLMs.

• Portfolio / site: https://klabacher.github.io
• LinkedIn: https://www.linkedin.com/in/joaovitorklabacher/
• GitHub: https://github.com/klabacher

Aberto a colaborações técnicas e projetos abertos — envie um PR, abra uma issue ou me contate pelo LinkedIn.

Nota: este README apresenta minha trajetória como júnior em crescimento — combina entrega prática com curiosidade por ML/AI.