Pipelines de Dados & ETL
Desenvolvimento de pipelines de dados end-to-end para ingestão, processamento e transformação em larga escala, utilizando batch e streaming em ambientes de alta demanda.
Olá, eu sou
Brenda Schussler.
Engenheira de Dados & Engenheira de Computação
Um pouco
sobre mim
Engenheira de Dados com experiência no design e manutenção de pipelines ETL/ELT em plataformas de dados baseadas em Azure. Atua com Apache Spark, Databricks, Azure Data Factory e Apache Kafka, construindo pipelines batch e streaming para processamento distribuído em larga escala. Engenheira de Computação formada pela UFRGS, possui background em pesquisa científica em computação de alto desempenho e sistemas distribuídos, com publicações em conferências internacionais. Experiência internacional de pesquisa na Concordia University (Canadá), pelo programa Mitacs Globalink, desenvolvendo plataformas de coleta e análise de dados IoT.
Domínios
técnicos.
Apache Spark & Processamento
Processamento distribuído com Apache Spark e PySpark em Databricks, incluindo Spark Structured Streaming para ingestão incremental em tempo real e transformações em larga escala.
Cloud & Arquitetura de Dados
Modelagem e implementação de Data Lakes seguindo a Medallion Architecture (Bronze, Silver, Gold), com foco em governança, qualidade e padronização dos dados.
Solução de Problemas & Observabilidade
Investigação de incidentes em produção com análise de pods AKS, logs de Application Insights, jobs Databricks, pipelines ADF e streams Kafka. Experiência em análise de causa raiz (RCA) e documentação técnica de achados.
Computação de Alto Desempenho
Histórico em pesquisa de HPC, com otimização de kernels GPU via CUDA e autotuning genético, benchmarking de eficiência energética e implementações multiplataforma de métodos científicos.
IoT & Desenvolvimento Mobile
Desenvolvimento de plataforma mobile para coleta e análise de tráfego de rede IoT, com integração Firebase, visualização em tempo real e persistência em nuvem.
Caminhos
percorridos.
Trilha entre engenharia de dados em produção e pesquisa científica em sistemas distribuídos.
Experiência Profissional
Engenheira de Dados
KIS Solutions
- Construção de pipelines ETL end-to-end com Apache Kafka, Azure Data Factory, Databricks e persistência em Delta Lake.
- Identificação e resolução independente de falha estrutural em pipeline de produção com duplicação de bilhões de registros, liderando RCA e implementando estratégia de processamento idempotente que reduziu o tempo de execução de 6–8h para 30 minutos.
- Apresentação da análise técnica e abordagem de remediação para a equipe de engenharia.
- Desenvolvimento de notebooks Databricks consumindo tópicos Kafka em modos streaming e batch, com Spark Structured Streaming para processamento incremental em tempo real.
- Implementação de modelagem Data Lake seguindo Medallion Architecture (Bronze, Silver, Gold) com práticas padronizadas de nomenclatura e governança.
- Investigação de incidentes de produção analisando pods AKS, logs Application Insights, jobs Databricks, pipelines ADF e streams Kafka, com RCA e documentação.
Estagiária em Engenharia de Dados
KIS Solutions
- Atuação em engenharia de dados em plataforma Azure, construindo e mantendo pipelines para ingestão, processamento e transformação de dados em larga escala.
- Uso extensivo de Python e SQL em notebooks Databricks, MySQL e Data Warehouses baseados em SQL Server.
Desenvolvedora Mobile para Coleta de Dados
Concordia University — Montreal, Canadá
- Desenvolvimento de aplicação Android em Kotlin para captura de pacotes de tráfego de rede e eventos de dispositivos IoT conectados.
- Integração com Firebase para autenticação, sincronização de banco de dados em tempo real e armazenamento em nuvem.
- Construção de interfaces para visualização em tempo real de atividade de rede e dispositivos conectados.
- Plataforma utilizada em iniciativa de pesquisa com dataset rotulado de tráfego IoT de mais de 50 dispositivos.
- Publicação de artigo revisado por pares descrevendo a arquitetura da plataforma, aceito no CNSM 2025.
Pesquisadora em Computação Paralela e Distribuída
Petrobras, UFRGS — Brasil
- Design e validação de algoritmo genético para autotuning de kernels CUDA, otimizando uso de recursos GPU e reduzindo tempo de execução em mais de 80%.
- Benchmarks de desempenho e eficiência energética em infraestruturas cloud e local para workloads científicos.
- Implementações multiplataforma do método Fletcher em Python, CUDA e OpenACC, melhorando portabilidade e reprodutibilidade.
- Autotuning em runtime com armazenamento persistente de configuração, atingindo melhoria média de 20% no Energy-Delay Product (EDP).
- Processamento e análise de grandes volumes de dados experimentais de simulações científicas.
- Coautoria de 7 artigos revisados por pares em conferências internacionais incluindo CARLA, PDP, EUROPAR e ERAD, com 2 prêmios de melhor artigo.
Formação Acadêmica
Bacharelado em Engenharia de Computação
Universidade Federal do Rio Grande do Sul (UFRGS)
Formação em Engenharia de Computação pela UFRGS com base sólida em computação, algoritmos, sistemas distribuídos, programação paralela e fundamentos de HPC. Durante a graduação, atuou em pesquisa científica em computação de alto desempenho no projeto Petrobras/UFRGS, realizou pesquisa internacional na Concordia University (Canadá) pelo programa Mitacs Globalink, e publicou em conferências internacionais de referência.
Mitacs Globalink Research Internship
Concordia University — Montreal, Canadá
Selecionada para programa competitivo de pesquisa internacional financiado pelo Mitacs, colaborando em equipe multicultural com foco em coleta e análise de dados de rede IoT. Resultados publicados no CNSM 2025.
Pesquisa
& publicações.
Publicações em conferências nacionais e internacionais nas áreas de Computação de Alto Desempenho (HPC), IoT e Computação Paralela e Distribuída.
CNSM 2025
DroidScour: an Android Application for IoT Device Data Collection
Artigo revisado por pares descrevendo a arquitetura e implementação de uma plataforma de coleta de dados de tráfego de rede IoT, incluindo o aplicativo mobile Android e a infraestrutura de armazenamento e análise em nuvem. Aceito no International Conference on Network and Service Management (CNSM) 2025.
10.23919/CNSM67658.2025.11297504
Euro-Par 2024
Harnessing Data Movement Strategies to Optimize Performance-Energy Efficiency of Oil & Gas Simulations in HPC
Unified Memory e prefetch para otimizar desempenho e eficiência energética em simulações sísmicas. Ganhos de até 62,2% em performance e 78,1% em eficiência energética em P100, V100, A100, H200 e RX 7900 XT.
10.1007/978-3-031-69766-1_15
ERAD/RS 2024
★ Melhor Artigo
Otimizando a Implementação Multi-GPU do Método Fletcher através da Paralelização Eficiente na Computação e Comunicação de Dados
Otimização multi-GPU do Fletcher com paralelização compute-comunicação. Até 40% de redução no overhead de sincronização.
10.5753/eradrs.2024.238666
PDP 2024
BTO, Block and Thread Optimization of GPU Kernels on Geophysical Exploration
Algoritmo genético para otimizar automaticamente configurações de blocos e threads em GPUs. Melhorias de até 83,8% no energy-delay product (EDP) e convergência ótima em 96,4% dos cenários. Apresentado no 32nd Euromicro International Conference on Parallel, Distributed and Network-Based Processing (PDP 2024), Dublin.
10.1109/PDP62718.2024.00011
ERAD/RS 2024
Otimização de Configurações de Threads por Bloco para Kernels GPU na Exploração Geofísica
Estratégia exaustiva de otimização de threads por bloco em kernels GPU aplicada ao Método de Fletcher. Ganhos médios superiores a 20% no EDP.
10.5753/eradrs.2024.238746
CARLA 2023
Towards a Multi-GPU Implementation of a Seismic Application
Implementação multi-GPU do método RTM (Reverse Time Migration) para processamento sísmico em HPC com múltiplas GPUs NVIDIA via CUDA.
10.1007/978-3-031-52186-7_10
ERAD/RS 2023
★ Melhor Artigo
Comparando o Desempenho entre Computação em Nuvem e Servidor Local na Execução do Método Fletcher
Comparação de desempenho da Modelagem de Fletcher entre ambientes cloud e servidor local, analisando tempo de execução, consumo de energia e escalabilidade em contextos de HPC.
10.5753/eradrs.2023.229209
05 / Contato
How can I help?
Projetos de engenharia de dados, pipelines, colaborações acadêmicas e desenvolvimento de soluções escaláveis. Aberta a ideias e oportunidades. Vamos conversar!