Derick Bessa – Currículo

Resumo Profissional

Desenvolvedor Full-Stack com experiência em React, Angular e React Native no frontend; Node.js, Java/Spring Boot, .NET e Python/FastAPI no backend. Trabalhei em projetos de pesquisa no IFCE conectando sistemas web, mobile e módulos de IA. Fundador do TáNaLista, SaaS de gestão de eventos com check-in via QR Code.

Formação & Idiomas

Bacharelado em Ciência da Computação – IFCE, Campus Maracanaú 2024 – 2028

Idiomas: Inglês (Avançado) · Português (Nativo)

Habilidades Técnicas

Frontend: React.js, Next.js, Angular, React Native, TypeScript, Tailwind CSS

Backend: Node.js, Java/Spring Boot, .NET/C#, Python/FastAPI, APIs REST, JWT/OAuth2

Bancos de Dados: PostgreSQL, SQLite, MySQL

Testes: Vitest, Testing Library, xUnit

DevOps & Ferramentas: Docker, Git, GitHub Actions, Vercel, Swagger/OpenAPI

Experiência Profissional

LabVicia – IFCE, Campus Fortaleza

Set 2025 – Atual

Desenvolvedor Full Stack · Bolsista de Pesquisa

Melhorei o desempenho das listagens com paginação e redução de chamadas desnecessárias à API, tornando o carregamento de tabelas mais rápido.
Reescrevi o módulo de inbox com scroll infinito e atualização automática, eliminando a necessidade de recarregar a página para ver novas mensagens.
Adicionei suporte a 4 idiomas (PT, EN, ES, DE) com troca dinâmica, permitindo que equipes internacionais usem o sistema sem necessidade de novo deploy.
Padronizei os componentes visuais com Angular Material, deixando o sistema mais consistente e facilitando o desenvolvimento de novas telas.

LAPISCO – Laboratório de Pesquisa do IFCE, Campus Fortaleza

Jun 2024 – Mar 2026

Pesquisador Bolsista · Visão Computacional & Desenvolvimento Full Stack

Conectei o módulo de visão computacional em Python/FastAPI ao backend Java/Spring Boot, fazendo os dois sistemas se comunicarem via API sem afetar a performance um do outro.
Trabalhei no fluxo completo da aplicação — da captura de imagem no app React Native até o retorno do resultado no backend Java — garantindo que os dados fluíssem corretamente entre as camadas.
Refatorei APIs no backend Java organizando melhor as responsabilidades de cada parte do código, facilitando a leitura e manutenção por outros membros da equipe.
Criei dashboards em Python para acompanhar os resultados do treinamento dos modelos, ajudando a equipe a identificar problemas e tomar decisões com base em dados reais.

Gomes & Araújo Advocacia – Freelancer

2025

Desenvolvedor Front-End

Desenvolvi uma landing page completa em React com 8 seções e layout responsivo, sem usar bibliotecas de UI prontas, o que deixou o site mais leve e rápido.
Criei um backend em Node.js para envio de emails e integração com WhatsApp, permitindo que visitantes entrassem em contato diretamente pela página.

Projetos

AgileShop – Catálogo de Produtos

React 19 · TypeScript · .NET 10 · EF Core · SQLite

Desafio técnico fullstack entregue em 4 dias para processo seletivo na Agilean

Desenvolvi a API completa em .NET 10 com CRUD de produtos, filtros por nome, categoria, disponibilidade e ordenação, além de paginação — seguindo boas práticas de organização de código.
Fui além dos requisitos do desafio e adicionei por conta própria: carrinho de compras, página de detalhe do produto com itens similares, slider de preço interativo, dashboard com gráficos e dark mode — todos inspirados em plataformas como Amazon e Mercado Livre.
Gerenciei o estado global da aplicação com Context API, aplicando filtros e paginação no cliente para evitar requisições desnecessárias ao backend.
Escrevi testes no frontend (Vitest + Testing Library) e no backend (xUnit), chegando a ~70% de cobertura em 4 dias de desenvolvimento.

SFA – Sistema de Fiscalização Automotiva (Leitor de Placas)

Python/FastAPI · Java/Spring Boot · YOLOv8 · PaddleOCR · React Native

Pipeline fullstack de reconhecimento automático de placas veiculares — LAPISCO/IFCE

Conectei o módulo de reconhecimento de placas (Python/FastAPI) ao backend Java/Spring Boot via API REST, permitindo que o app React Native enviasse imagens e recebesse os resultados em tempo real.
Implementei o pipeline de leitura de placas combinando detecção com YOLOv8, pré-processamento com OpenCV e reconhecimento de caracteres com PaddleOCR, chegando a 97% de precisão em um dataset de ~2.000 imagens.
Adicionei suporte aos três formatos de placa brasileira (antiga, Mercosul e moto), com correção automática de caracteres e ajuste de orientação da imagem para lidar com fotos tortas ou mal enquadradas.