Semana 04 - Foco, Fundamento e Questionamento Estratégico

A semana começou com os últimos ajustes no site do Small Data Lab.
Algumas pessoas próximas tiveram acesso antecipado e mandaram feedbacks bem pontuais, ajudando a ajustar o tom e deixar tudo mais alinhado com a proposta do projeto.

Na terça-feira, publiquei o post oficializando a transição da engenharia para a ciência de dados. A recepção foi bem positiva.
Chegaram várias mensagens de apoio, principalmente de pessoas próximas, desejando sucesso e reforçando o valor dessa mudança — o que trouxe um sentimento bom de confirmação de que o caminho está certo.

A partir de quarta, o foco virou os estudos.
Revisei o cronograma pra deixar o processo mais fluido e evitei cair na armadilha de tentar abraçar tudo de uma vez. O objetivo nessa etapa foi reforçar a base teórica de Machine Learning — principalmente a parte de estatística e matemática por trás dos modelos.

A ideia é não pular etapas: entender bem os fundamentos agora pra, na próxima semana, começar a parte prática com mais segurança e clareza.

Em paralelo, comecei a desenhar os primeiros esboços da V2 do Job Data Insight.
A proposta dessa nova versão é deixar o projeto mais estruturado: integrar múltiplos agentes, trabalhar com LLMs locais e expandir a análise para outras plataformas de vagas — saindo um pouco do circuito tradicional.

Só que, nos testes iniciais, apareceu uma coisa que chamou atenção.
Algumas vagas publicadas diretamente por tech leads mostraram descrições bem mais realistas e focadas na função. Já outras, onde não ficou claro quem estava liderando o processo, vinham mais genéricas e, muitas vezes, infladas tecnicamente — com exigências que não batiam com o nível anunciado.

Esse contraste acendeu um sinal de alerta.
Será que parte das distorções apontadas no primeiro relatório não vieram justamente desse tipo de vaga, mal calibrada entre o que se pede e o que se oferece?
E mais: isso é só uma falha pontual de comunicação ou um padrão recorrente no mercado?

A semana termina com um bom equilíbrio entre avanço e reflexão.
De um lado, os estudos seguem firmes, com foco em entender bem a base antes de partir pra modelagem. De outro, o projeto de análise de vagas começa a pedir um olhar mais atento — não só na técnica, mas no contexto em que essas vagas são divulgadas.

Agora é seguir com critério: preparar o dataset, cuidar da engenharia de atributos e abrir uma nova rodada de análise — mais afinada, mais crítica e, com sorte, mais justa também.

⬅️ Semana 03 | Semana 04 (você está aqui)| Semana 05 ➡️