Guilherme Galante

Desenvolvido com foco estratégico em conversão e ranqueamento. A interface foi projetada com um design estruturado especificamente para guiar o usuário de forma intuitiva até a captação de leads, priorizando SEO local.

• Stack e Performance: Construído com Next.js, TypeScript e Tailwind CSS para garantir um carregamento otimizado e alta performance, fatores cruciais para a indexação no Google e retenção de usuários.
• Segurança na Captação: Por lidar diretamente com dados de potenciais alunos, a arquitetura inclui validações rigorosas nos formulários para prevenir injeções de código (XSS) e proteger as informações, além de aplicar defesas ativas contra brute force nas requisições.

Website desenvolvido para consolidar a presença digital de um ator local. O design foi meticulosamente pensado para destacar o portfólio visual, apresentando peças teatrais, histórico de caravanas culturais e materiais de divulgação.

• Integrações e Validações: Conta com um fluxo de vendas de livros integrado diretamente com a plataforma Yampi. Os formulários de contato e interação foram construídos com React e Zod, garantindo validação de schemas e sanitização estrita de dados no front-end para barrar entradas maliciosas.
• Arquitetura Resiliente: Adoção de tipagem estática com TypeScript e Next.js para eliminar vulnerabilidades de execução, aliada à configuração de políticas de segurança (Security Headers) para proteger a navegação.

Projeto prático desenvolvido para aprofundamento em arquitetura de redes, tráfego de dados e Cibersegurança.

• Análise de Tráfego: Criado para simular o comportamento dos pacotes dentro do modelo TCP/IP, permitindo a visualização de como a comunicação ocorre nas camadas de rede.
• Foco em Segurança Ofensiva e Defensiva: Essencial para compreender na base como funcionam interceptações, análises de pacotes (sniffing), identificação de portas abertas e a estruturação de regras de firewall para mitigar ataques.

Projeto acadêmico focado nos fundamentos de Inteligência Artificial e Ciência de Dados.

• Estruturação de um modelo de Machine Learning para classificação de conjuntos de dados, integrando conceitos matemáticos avançados com programação focada em eficiência e lógica algorítmica.