Minha esposa migrou de farmácia para TI 2 anos e meio atrás. Ela fez tecnólogo de…
- User
Minha esposa migrou de farmácia para TI 2 anos e meio atrás. Ela fez tecnólogo de sistema de informações na una, e trabalhou 2 anos como content loader de um cms drupal onde aprendeu termos técnicos na teoria, e um pouco de css na prática, mas não chegou a desenvolver componentes.
O objetivo era aprender programação web para sair de trainee para Jr, mas acabou sendo desligada esse mês.
Com o avanço de IA vejo cada vez menos espaço para desenvolvedores Jr. Você acredita dita que seria de melhor proveito focar os estudos em IA? Se sim, o que especificamente? Como um Jr/trainee consegue emprego nessa área?
- Assistant
Oi! Entendo a preocupação – perder o emprego logo no início de carreira assusta, e a avalanche de notícias sobre IA faz parecer que “todo o resto” vai sumir. Vamos por partes:
- O cenário real para dev júnior
- Quando vale a pena focar 100 % em IA
- Uma rota “híbrida” (web + IA) que costuma funcionar bem
- Roadmap de estudos e portfólio
- Como – de fato – conseguir a primeira vaga
─────────────────────────────────────────
- Ainda existe espaço para dev júnior?
───────────────────────────────────────── • Sim. Apesar da automação, empresas continuam precisando de gente para:
– Manter código legado (PHP, Drupal, Java, .NET etc.)
– Criar features simples, correções, testes, documentação
– Atuar em squads que exigem comunicação, não só código.
• O que mudou é a régua de contratação: pedem júnior que já “entregue” algo. Por isso portfólio e projetos contam muito.
───────────────────────────────────────── 2. “Migrar” direto para IA compensa?
───────────────────────────────────────── Prós
✅ Mercado em expansão (health-tech, fintech, agritech, martech)
✅ Salários acima da média quando se alcança pleno/sênior
✅ Possibilidade de unir o background em Farmácia (ex.: IA para Saúde)Contras
❌ Curva de aprendizado maior (estatística, matemática, data engineering)
❌ Vagas júnior são raras; empresas preferem pleno+
❌ Compete-se com gente que já vem de computação, matemática, física etc.Conclusão: vale, mas com estratégia. Uma boa saída é ser “dev que sabe IA” em vez de “cientista de dados puro” logo de cara.
───────────────────────────────────────── 3. Estratégia híbrida (recomendada)
───────────────────────────────────────── • Consolidar base Web (HTML, CSS, JS/Typescript, React ou Vue) para continuar empregável rápido.
• Adicionar IA aplicada à Web:
– Consumo de APIs (OpenAI, HuggingFace)
– Modelos de recomendação simples, chatbots, busca semântica
– Pequenos projetos full-stack + IA para portfólio.Isso gera dois tipos de oportunidade:
a) Vagas de front/back com “diferencial IA” (cada vez mais comuns).
b) Pequenos times de health-tech onde ela será “a pessoa que entende fármacos + programação + modelos”.───────────────────────────────────────── 4. Roadmap de estudos (6–9 meses)
───────────────────────────────────────── Mês 1-2 – Base sólida de programação
• Python (sintaxe, OOP, testes)
• Git + GitHub
• Estruturas de dados e algoritmos básicosMês 3-4 – Fundamentos de Web e Cloud
• HTML5, CSS3, Flexbox/Grid
• JS moderno → React + estado (Redux, Context) ou Vue 3
• Node.js + Express ou Next.js
• Deploy em Vercel/Netlify e AWS free tierMês 5-6 – Introdução a IA/ML
• Numpy, Pandas, Matplotlib/Seaborn
• Scikit-learn (regressão, classificação, clustering)
• Curso “Machine Learning” – Andrew Ng (Coursera, legendas PT-BR)
• Mini-projetos:
– Prever preço de imóveis (dataset kaggle)
– Classificar reviews positivos/negativosMês 7-8 – IA aplicada + Portfolio
• OpenAI API: gerar resumo de bula de remédio 🚑
• LangChain + Pinecone: “Pergunte sobre interações medicamentosas”
• Streamlit ou Next.js + FastAPI para publicar aplicativo
• Escrever case study no Medium/Dev.to e README caprichadoMês 9 – Especialização/light MLOps
• Dockerizar os projetos
• CI/CD (GitHub Actions)
• Noções de data pipelines (Airflow, Prefect)
• Se gostar muito → fazer curso específico (DataCamp MLOps, Kubeflow basics)───────────────────────────────────────── 5. Entrando no mercado (o que realmente funciona)
─────────────────────────────────────────-
Portfólio vivo
• 3-4 projetos online com link + código comentado.
• Foco em resolver problemas do mundo real (ex.: dashboard de farmacovigilância). -
Networking “de verdade”
• Meetups (Pyladies, Python BH, Front-BH, DataTalks).
• Hackathons temáticos (saúde, governo, ESG).
• LinkedIn: posts mostrando aprendizado (thread curta, gif demo, link GitHub). -
Programas de trainee/bootcamp focados
• CI&T, Zup, Stone, XP – costumam abrir turmas de Data/ML.
• Potência Tech (Itaú + DIO), Santander Bootcamp, Oracle Next. -
Consultorias e health-techs menores
• Muitas precisam integrar IA mas não têm time robusto; valorizam alguém que “fala técnico” e “entende farmacêutico”. -
Freelance/voluntariado
• Open Source: issues “good first issue” em projetos de data science.
• ONGs de saúde carentes de dashboards/automação.
───────────────────────────────────────── Materiais gratuitos em PT-BR
───────────────────────────────────────── • Livro “Introdução à Ciência de Dados” – A. Medeiros (PDF free)
• Curso ML com Python – Fundação Bradesco
• Canal YouTube “Data Bootcamp”
• Guia “Como começar em IA” – IA Expert Academy (playlist básica)───────────────────────────────────────── Resumo final
───────────────────────────────────────── – Continuem investindo na base de programação web; a porta de entrada é mais curta.
– Adicionar IA como diferencial gera valor e conversa com o background de Farmácia.
– Construir portfólio aplicado à saúde aumenta muito a chance de contratação, mesmo como júnior.
– Foquem em Python, fundamentos de ML e projetos pequenos porém completos.
– Networking e visibilidade do trabalho são quase tão importantes quanto conhecimento técnico.Se quiserem discutir um plano mais detalhado ou revisar CV/LinkedIn, é só chamar! 🚀
Other models, same or similar prompt
Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.