Design de Software Orientado a Testes
Qualidade, design e testes em um processo de engenharia aumentado por IA
Formações Avançadas em Engenharia, Arquitetura e Liderança de Software
Para profissionais que atuam ou desejam atuar em contextos de alta complexidade, onde desafios de escala, confiabilidade, arquitetura e negócio exigem mais do que conhecimento técnico isolado: exigem repertório e profundidade para tomar boas decisões.
Turmas por temporada. A lista de espera prioriza quem quer acompanhar a próxima abertura e receber a evolução da ementa antes da turma.
Repertório para sistemas reais
Senioridade é a capacidade de identificar quais problemas merecem ser resolvidos e quais soluções permanecem sustentáveis ao longo do tempo.
A proposta é ampliar o repertório necessário para atuar em sistemas reais: arquiteturas distribuídas, legados complexos, desafios de escala, restrições econômicas, requisitos de confiabilidade, segurança, operação contínua e objetivos de negócio frequentemente conflitantes.
Nesse contexto, a inteligência artificial passa a integrar o processo de engenharia como amplificadora da capacidade técnica, apoiando análise de código, exploração de alternativas, documentação, revisão de decisões e descoberta de conhecimento. Ainda assim, fundamentos sólidos, compreensão de contexto, julgamento técnico e capacidade de liderança continuam sendo os elementos que diferenciam um bom profissional de um profissional de excelência.
Camada 2
Turma Fechada
Arquitetura de Software
Fundamentos, trade-offs e decisões arquiteturais potencializados com IA
Camada 3
Turma Fechada
Arquitetura de Solução
Soluções complexas, custo, operação e IA como componente arquitetural
Camada 4
Turma Fechada
Tech Lead
Formação em liderança técnica para transformar times ágeis em times de engenharia
Camada 1
Design de Software Orientado a Testes
Qualidade, design e testes em um processo de engenharia aumentado por IA
Para quem é e o que você aprende
Público-alvo
Desenvolvedores sênior, Tech Leads e Arquitetos que trabalham com Java, Spring Boot e sistemas em produção e precisam garantir qualidade sem travar a entrega.
Pré-requisito
Não é um curso introdutório. Pressupõe experiência real com Java, Spring Boot e sistemas distribuídos.
Objetivo
Usar testes como instrumento de design, redução de risco e leitura arquitetural, incorporando IA ao ciclo de análise, geração, revisão e evolução de testes sem abrir mão de critério técnico.
Ao final, você será capaz de:
- Usar TDD como ferramenta de design e decisão técnica
- Definir a estratégia de testes certa para cada contexto
- Proteger arquitetura com testes que detectam erosão
- Usar IA para acelerar análise, geração e revisão de testes
- Defender decisões de qualidade com argumentos técnicos
- Reduzir risco em produção com cobertura estratégica
Ver ementa completa
1. Qualidade de software
- O que é qualidade de software
- Qualidade como responsabilidade coletiva
- Por que produção quebra mesmo com testes
- Cultura antes da ferramenta
- Pirâmide de testes e exceções conscientes
- Pipeline verde vs sistema confiável
2. IA integrada ao ciclo de testes
- IA para análise de comportamento e lacunas de cobertura
- Geração assistida de casos de teste e test data
- Revisão crítica de testes gerados por IA
- Prompts para investigação de regressões
- Riscos de falso conforto em testes gerados automaticamente
3. Tipos de testes e trade-offs
- Princípios FIRST
- Shift-left testing
- Paradoxo do pesticida
- Testes de unidade
- Testes de integração
- Testes de API
- Testes de contrato
- Testes E2E (end-to-end)
- Testes regressivos
- Mutation testing
- Load e stress tests
- Testes de arquitetura
4. Qualidade como ferramenta de liderança técnica
- Testes como linguagem do time
- Padrões mínimos de qualidade
- Cobertura de código com JaCoCo
- Revisão de PRs com foco em design
- Argumentação técnica baseada em fatos
- Qualidade, lead time e impacto no negócio
5. Antes do código: decisões que moldam qualidade
- Testes como ferramenta de design
- Design orientado a mudança
- Estratégias Top-down e Bottom-up
- A matemática dos testes
- Dumb tests
- Organização de testes em projetos grandes
- Mocks, stubs, spies e fakes
- Test data builders e Object Mother
- Slicing tests
- TDD e BDD
6. Arquitetura testável e protegida
- Arquitetura como contrato executável
- Definição de regras arquiteturais
- Protegendo limites entre camadas
- Evitando erosão arquitetural
- Aplicação em projetos novos e legados
7. Mão na massa com Java e Spring Boot
- Arquitetura do projeto
- Setup de testes com JUnit 5, Spring Boot Test, Mockito, Awaitility e ArchUnit
- Testcontainers
- Implementação por camadas
- Evolução segura guiada por testes
8. Testes de contrato, carga e E2E
- Contratos entre serviços com Pact
- LocalStack
- Estratégias de load test
- Interpretação de resultados
- Testes E2E: custo, risco e valor
9. Testando comportamento assíncrono
- Desafios de testes não determinísticos
- Testes com processamento assíncrono
- Eventos de domínio
- Mensageria e consistência eventual
- Testes assíncronos com Awaitility
- Evitando flakiness
10. Qualidade em código legado
- TDD em código legado
- Introdução segura de testes
- Refatoração orientada por testes
- Redução de risco em sistemas críticos
11. Encerramento e próximos passos
- Consolidando a mentalidade de qualidade
- Evolução para decisões arquiteturais
- Próximo nível: arquitetura de software
Camada 2
Arquitetura de Software
Fundamentos, trade-offs e decisões arquiteturais potencializados com IA
Para quem é e o que você aprende
Público-alvo
Desenvolvedores sênior, Tech Leads e Arquitetos que participam de decisões arquiteturais e precisam equilibrar negócio, qualidade, custo e evolução técnica.
Pré-requisito
Não é um curso introdutório. Pressupõe experiência com desenvolvimento de software.
Recomendação
Recomendado ter feito o curso de TDD com Java e Spring Boot antes.
Objetivo
Desenvolver repertório arquitetural para tomar decisões conscientes, avaliar alternativas, defender trade-offs e usar IA como apoio à investigação, documentação, revisão de código e simulação de impactos.
Ao final, você será capaz de:
- Tomar decisões arquiteturais conscientes e defendê-las
- Aplicar estilos e padrões com critério técnico
- Evoluir sistemas incrementalmente com segurança
- Usar IA para investigar alternativas e impactos arquiteturais
- Identificar capacidades e responsabilidades de serviços
- Documentar decisões com clareza e pragmatismo
Ver ementa completa
1. O papel da arquitetura
- O que é arquitetura de software
- Quem é o arquiteto de verdade em um time
- Definido padrões
- Paradigmas de software
- Arquitetura como suporte à mudança
- Trade-offs de curto vs longo prazo
- Comunicação com stakeholders e alinhamento de negócio
- Evolução tecnológica e refatoração
- Linguagem e ecossistemas
2. IA no processo arquitetural
- IA como apoio à leitura de código e identificação de forças arquiteturais
- Prompts para análise de acoplamento, coesão e dependências
- Simulação de alternativas e trade-offs
- Documentação assistida sem terceirizar julgamento
- Impacto da IA no design, manutenção e erosão de sistemas
3. Níveis de arquitetura e seus impactos
- Arquitetura Corporativa
- Arquitetura de Solução
- Arquitetura de Software (foco do curso)
- Arquitetura de Infraestrutura e Plataforma
- Arquitetura de Dados
- Arquitetura Serverless
- Como decisões em um nível afetam os outros
- Decisões reversíveis vs irreversíveis
- Como decisões de nível de software influenciam design de pacotes, classes e módulos
4. Estilos arquiteturais e seus trade-offs
- Layered Architecture
- Hexagonal Architecture
- Clean Architecture
- Onion Architecture
- Misturas conscientes
- DDD no contexto arquitetural
5. Arquitetura monolítica e distribuída
- Arquitetura Monolítica
- Modularização e limites internos
- Acoplamento e Coesão
- Arquitetura distribuída
- Monolito Distribuído
- Microserviços
- Strangler Fig Pattern
- Custos de sistemas distribuídos
- Síncrono vs assíncrono (acoplamento, latência, complexidade)
6. Qualidade como pilar arquitetural
- Qualidade como atributo sistêmico
- Ilities e trade-offs conscientes
- GRASP, SOLID, DRY, KISS, YAGNI (quando ajudam e quando atrapalham)
- Clean Code no contexto arquitetural
- Design Patterns como vocabulário
- 12 Factors
- Complexidade cognitiva, ciclomática e algorítmica (Big O)
- Governança técnica com Checkstyle, PMD, FindBugs, ArchUnit
- Testes como proteção arquitetural
7. Paradigmas e impacto arquitetural
- POO: objeto, atributos, comportamento, encapsulamento real, herança vs composição, coesão e acoplamento, entidades anêmicas
- Programação funcional: imutabilidade, funções puras, composição, closures, currying, monads, high order functions
- Programação reativa: o que é, quando faz sentido, custo cognitivo
- Modelagem de sistema
8. Estruturação de projetos que sobrevivem ao tempo
- Design explícito
- Documentação viva
- Elementos arquiteturais essenciais
- Design de APIs
- Controle de versão e releases
- Graceful shutdown
- Migrations
- Arquitetura Evolucional
- SIGTERM e comportamento correto em produção
9. Confiabilidade e performance em sistemas distribuídos
- Race conditions e estratégias de concorrência
- Estratégias de consistência eventual e tolerância a falhas
- Modelagem e propagação de falhas
- Observabilidade e monitoramento
- Throughput, latência e consistência
- Cache: solução, otimização e problemas
- Resiliência
- Idempotência e deduplicação de mensagens
- Estratégias de rate limit e backpressure
- Feature Flags
- SLO/SLI e orçamento de erro (error budgets)
10. Mão na massa: arquitetura aplicada
- Estruturação do projeto
- Redução de boilerplate sem esconder complexidade
- Segurança: autenticação, autorização, LGPD como requisito arquitetural
- Versionamento de APIs e mensageria
- Logging e rastreabilidade
- Métricas e observabilidade
- Exceções vs erros
- Resiliência
- Troubleshooting em produção
- Documentação como parte da arquitetura
11. Encerramento e próximo nível
- Consolidando fundamentos arquiteturais
- Evolução de sistemas sem reescrita
Camada 3
Arquitetura de Solução
Soluções complexas, custo, operação e IA como componente arquitetural
Para quem é e o que você aprende
Público-alvo
Desenvolvedores sênior, Tech Leads, Arquitetos de Software e Soluções, e Engineering Managers que precisam projetar sistemas escaláveis, resilientes e evolutivos, entendendo impacto técnico, custo e operação.
Pré-requisito
Curso avançado. Pressupõe experiência em desenvolvimento de software.
Recomendação
Recomendado ter feito o curso de Arquitetura de Software antes.
Objetivo
Projetar soluções considerando negócio, custo, risco, operação, dados, integração e IA como parte da arquitetura, não como funcionalidade periférica ou camada experimental.
Ao final, você será capaz de:
- Projetar soluções considerando custo, risco e evolução
- Aplicar DDD como fundamento arquitetural
- Projetar integração de IA com critérios de risco e operação
- Estimar e justificar custos de infraestrutura em cloud
- Documentar e comunicar arquitetura com clareza
Ver ementa completa
1. Introdução e papel do arquiteto de solução
- O que é uma solução: impacto, custo, risco e evolução
- Papel do arquiteto de solução em times ágeis e distribuídos
- Decisão vs cargo: influência sem burocracia
- Comunicação com stakeholders: alinhamento de negócio e técnico
- Governança e compliance: GDPR, LGPD, SOC2, ISO27001
- Métricas arquiteturais iniciais: SLA, SLO, MTTR, MTBF
2. IA como componente de solução
- Quando IA deve ou não entrar na solução
- Arquitetura para integração de LLMs e agentes
- RAG, ferramentas, orquestração e limites de autonomia
- Riscos de segurança, custo, latência e confiabilidade
- Prompts, contexto e avaliação como partes da arquitetura
3. Fundamentos de design de soluções
- Tenant: Mono vs Multi-tenant, trade-offs, isolamento, escalabilidade, CI/CD
- Estilos arquiteturais: Monolito modular, microservices, serverless/FaaS, hybrid, edge computing
- DDD: agregados, bounded contexts, modelagem de comportamento
- CQRS, Event Sourcing e Sagas (orchestration vs choreography)
- Patterns: Proxy, Adapter, Facade, Decorator, Retry, Circuit Breaker
- Patterns de integração: Messaging, event routing, orchestration
- Trade-offs de arquitetura: escala, latência e custo
4. Dados e consistência
- Durabilidade e backup: snapshots, incremental, logs
- Consistência: Eventual vs Forte
- Coordenação e transações distribuídas: Sagas e 2PC
- Idempotência e padrões de consistência: idempotency keys e outbox pattern
- SQL: ACID, normalização, impacto na evolução do modelo
- NoSQL: CAP, tipos de dados, escolha prática por cenário
- Particionamento e replicação: Sharding, replicas, impacto em queries e deploy
- Event Sourcing: versionamento de eventos, migração de schema, replay, testes
- Governança de dados: Data mesh, data catalog, pipelines confiáveis
- Frameworks de processamento: Kafka Streams, Flink, Debezium (CDC)
5. Comunicação e integração
- Síncrona: REST, gRPC, GraphQL e impacto em latência e throughput
- Assíncrona: Messaging, AMQP, Event-Driven Architecture, retries, DLQ
- Segurança: TLS, MTLS, Zero Trust, certificados, criptografia
- Resiliência: Circuit Breakers, Bulkhead, Fallback, Chaos Engineering
- Observabilidade aplicada à integração: distributed tracing, logging, métricas
- Infraestrutura: API Gateways, Service Mesh (Istio, Linkerd, Kong)
- Estratégias de QoS: Backpressure, rate-limiting, throttling
- Estratégias de deploy: Blue-Green, Canary, Rolling
6. Observabilidade e métricas
- Telemetria: logs, métricas e traces
- Dashboards e visualização: Grafana, Kibana, Prometheus, OpenTelemetry
- SLI, SLO, SLA: definição, cálculo e monitoramento
- Golden metrics (latência, erro, saturação)
- DORA metrics (deploy frequency, lead time, MTTR, change failure rate)
- RED metrics (Rate, Errors, Duration)
- Alertas e correlação de eventos
- Observabilidade em microservices, event-driven e serverless
7. FinOps e custo da arquitetura
- Impacto de decisões de armazenamento, mensageria, compute e cache nos custos
- Scaling patterns e custo financeiro: horizontal vs vertical
- Simulações financeiras em cloud (AWS, GCP, Azure)
- Trade-offs custo vs performance vs SLA
8. Documentação viva e comunicação
- C4, DAS, ADR: criação e manutenção
- Decision logging e impact mapping
- Checklist de decisões críticas para Devs, QA e Operações
- Diagrama de dependência de pacotes e módulos
9. Exercícios práticos e estudos de caso
- Análise de soluções reais: decisões, trade-offs e impactos
- Hands-on: modelagem de solução, escolha de patterns, bancos e mensageria
- Event Storming aplicado à solução
- Chaos Engineering: simulação de falhas e resiliência
- Benchmarking de patterns e arquitetura
- Comunicação de arquitetura para time e stakeholders
10. Encerramento
- Consolidação de fundamentos avançados de arquitetura de solução
- Evolução sustentável de sistemas complexos sem reescrita completa
Camada 4
Tech Lead
Formação em liderança técnica para transformar times ágeis em times de engenharia
Para quem é e o que você aprende
Público-alvo
Desenvolvedores sênior, Tech Leads e profissionais em transição para liderança técnica que atuam próximos ao time.
Pré-requisito
Não é um curso introdutório. Pressupõe experiência prática com desenvolvimento de software e trabalho em equipe.
Recomendação
Recomendado ter feito o curso de Arquitetura de Software antes.
Objetivo
Formar Tech Leads capazes de elevar a qualidade das decisões do time, criar autonomia, orientar adoção responsável de IA, sustentar produção e desenvolver pessoas sem centralizar o sistema ao redor de si.
Ao final, você será capaz de:
- Desenvolver habilidades técnicas e comportamentais de liderança
- Construir times coesos e alinhados tecnicamente
- Governar o uso de IA no fluxo real de engenharia
- Conduzir amadurecimento técnico do time
- Negociar prioridades técnicas com produto e negócio
- Construir times que entregam com consistência e autonomia
Ver ementa completa
1. O papel real do Tech Lead
- O que é (e o que não é) um Tech Lead
- Diferença entre Desenvolvedor Sênior, Tech Lead, Arquiteto e Engineering Manager
- Responsabilidade técnica vs autoridade formal
- Tech Lead como multiplicador de impacto
- Expectativas do time, da liderança e do negócio
- Qualidade e projeto como responsabilidade contínua
2. IA na liderança técnica
- IA no fluxo de trabalho do time, não como iniciativa paralela
- Prompts e práticas para revisão, planejamento e investigação técnica
- Governança de uso, riscos e critérios de qualidade
- Como evitar dependência acrítica de respostas geradas
- Estratégia de adoção de IA sem perder fundamentos
3. Arquitetura para Tech Leads
- Panorama de arquitetura em níveis: Corporativa, Solução, Software, Plataforma, Dados
- Onde o Tech Lead atua arquiteturalmente
- Decisões de arquitetura no dia a dia: organização de código, modularização, limites e dependências
- Quando escalar decisões para arquitetos
- Como defender decisões técnicas para stakeholders
- Continuous Delivery/Deployment
4. Liderança técnica no dia a dia
- Influência sem autoridade
- Comunicação técnica clara e objetiva
- Feedback contínuo e estruturado
- Frameworks de feedback: SBI (Situation-Behavior-Impact)
- 1:1 técnico e humano
- Coaching técnico vs mentoring
- Delegação, autonomia e confiança
- Negociação com produto e negócio
- Storytelling técnico
- Escuta ativa e a arte de fazer perguntas
- Team Building
5. Antipadrões de liderança
- Síndrome do herói
- Síndrome do impostor
- NIH Syndrome
- Microgerenciamento
- Centralização excessiva de decisões
- Evitação de conflitos
- Liderança fraca
6. Gestão técnica do time
- Qualidade como responsabilidade coletiva
- Facilitação técnica: cerimônias, storytelling, apresentação para liderança
- Tomada de decisão em grupo
- Gestão de dívida técnica
- Definição de padrões: convenções, código, testes, arquitetura
- Roadmap técnico vs roadmap de produto
- Evolução gradual sem reescrita
- Balanceando entrega, qualidade e sustentabilidade
- Onboarding técnico eficiente
- Hiring técnico: entrevistas, scorecards e avaliação
- RFCs: como elaborar e conduzir propostas técnicas
- Metas com SMART e OKRs
- Clareza de responsabilidades: DACI e RACI
- Priorização: MoSCoW, RICE, Matriz de Eisenhower
7. Processos de desenvolvimento com visão de Tech Lead
- Visão prática sobre Waterfall, XP, Scrum, Kanban
- Quando cada processo funciona (e quando falha)
- Papel do Tech Lead em times ágeis
- Refinamento técnico
- Definition of Ready / Definition of Done
- Gestão de dependências e gargalos
- Planejamento técnico em cenários incertos
8. Boas práticas de engenharia
- Micro commits e impacto em revisão
- Code Review como ferramenta de aprendizado
- TDD como apoio à decisão técnica
- Versionamento Semântico e Conventional Commits
- Qualidade contínua vs entregas big bang
- Cultura de testes e automação
- Feedbacks rápidos
- SPACE framework para produtividade
- Gestão de dependências: APIs, fornecedores, riscos, atualizações
- Arquitetura Evolutiva
9. Produção, incidentes e responsabilidade
- Responsabilidade do Tech Lead sobre produção
- Incidentes: post-mortem eficiente, aprendizado contínuo, ações corretivas
- 5 Whys e Root Cause Analysis
- Observabilidade
- Comunicação em situações de crise
- Trade-offs entre velocidade, estabilidade e custo
10. Crescimento profissional e sustentabilidade
- Evolução de carreira como Tech Lead
- Quando voltar para IC (Individual Contributor)
- Quando migrar para arquitetura ou gestão
- Construção de reputação técnica: escrita, palestras, open source, comunidade
- STAR para storytelling e entrevistas
- Aprendizado contínuo e repertório
- Burnout, limites e saúde profissional
11. Encerramento e próximos níveis
- Consolidando o papel do Tech Lead
- Checklist prático para o dia a dia
Outros formatos
Quando o problema é específico demais para esperar uma turma, existem formatos mais diretos para aplicar esse repertório no seu contexto.
Consultoria
Sessões individuais ou em grupo para diagnosticar decisões arquiteturais, adoção de IA, qualidade, código ou processo em sistemas reais.
SolicitarWorkshops
Treinamentos intensivos para times que precisam alinhar linguagem, fundamentos e práticas de engenharia em torno de problemas concretos.
SolicitarMentoria
Acompanhamento individual para profissionais experientes que querem reposicionar carreira, ampliar repertório e tomar decisões com mais clareza.
SolicitarPerguntas frequentes
Como funcionam as turmas?
Os cursos são oferecidos por temporada, com turmas em datas específicas. Quando uma turma abre, as vagas são limitadas. Se a turma estiver fechada, a lista de espera é o caminho para ser avisado primeiro.
Para quem são os cursos?
Para profissionais experientes que já constroem software e querem avançar em decisão técnica, arquitetura, liderança, fundamentos e uso responsável de IA no processo de engenharia.
Os cursos têm certificado?
Sim, ao concluir você recebe um certificado. Mas o foco é repertório aplicável: capacidade de analisar contexto, defender decisões e operar melhor em sistemas reais.
Posso tirar dúvidas?
Sim, os cursos incluem acesso a uma comunidade para discutir dúvidas, decisões técnicas e aplicação prática dos conceitos.