11 projetos de computação em nuvem para montar um portfólio em cloud (2026)

O melhor projeto de computação em nuvem para o seu portfólio não é o mais chamativo. É aquele que comprova exatamente a habilidade exigida na vaga que você quer e sobre a qual você consegue falar com segurança na entrevista. Se você está migrando para cloud engineer, DevOps ou site reliability engineer (SRE), um conjunto enxuto de projetos guiados em infraestrutura como código, containers, CI/CD e observabilidade vale muito mais do que uma dezena de tutoriais soltos.

Este guia lista 11 projetos agrupados pela habilidade que cada um demonstra, com uma nota sobre o que isso sinaliza para um recrutador e um caminho guiado para construir. Seja você um desenvolvedor backend adicionando cloud ao seu stack ou um sysadmin dando o salto, escolha dois ou três que fechem as maiores lacunas nas suas evidências. Segundo nosso guia de salários de cloud engineer, profissionais iniciantes nos EUA começam por volta de US$ 127.000, então vale o esforço de montar provas reais.

Selecionamos estes projetos com base em três critérios: usam ferramentas que aparecem nas vagas de cloud em 2026 (Terraform, Kubernetes, GitHub Actions), geram algo que você pode mostrar (um repositório no GitHub, um demo ao vivo, um diagrama de arquitetura) e cada um tem mapeamento para curso ou tutorial guiado, para você não aprender sozinho. Está chegando agora na área? Comece pelo curso Understanding Cloud Computing e pelo guia sobre como se tornar um cloud engineer, depois volte e construa.

Resumo

Como escolher o projeto certo para a sua vaga-alvo

O portfólio mais forte não é o que tem mais projetos. É o que casa evidências com a vaga específica a que você está se candidatando e cobre as áreas que a maioria dos portfólios juniores deixa de fora. Antes de construir, responda três perguntas e alinhe sua escolha à lacuna.

• Qual cargo estou mirando agora? Cloud engineer, DevOps engineer, SRE ou cloud data engineer? Construa primeiro os projetos marcados para esse papel.
• Para qual habilidade tenho menos evidências? Infraestrutura como código, containers, CI/CD, dados ou segurança? Um projeto de monitoramento ou segurança agrega mais do que um terceiro build de infraestrutura.
• Consigo explicar cada decisão deste projeto? Se não há raciocínio documentado, parece só um tutorial acompanhado, não uma peça de portfólio.

Projetos de infraestrutura e IaC para vagas de cloud engineer e DevOps

Projetos de infraestrutura mostram que você sabe desenhar e provisionar ambientes em cloud como código. Eles têm alto valor sinal para vagas de cloud engineer, DevOps e SRE porque infraestrutura como código é como times reais trabalham.

1. Provisione uma arquitetura de três camadas com Terraform

Este é o projeto que transforma um web app criado no clique em prova de que você constrói infraestrutura em cloud como código. Ele revisita o clássico build de três camadas definindo cada recurso em Terraform em vez do console.

Você provisiona um load balancer, um grupo de autoscaling de servidores web, uma camada privada de banco de dados e um bastion host na AWS ou GCP, tudo em HashiCorp Configuration Language (HCL). O design de rede é onde o discernimento aparece: sub-redes privadas, security groups ou firewall rules e egress controlado. Mantenha o state do Terraform em um backend S3 criptografado com locking para o projeto parecer produção, não laboratório.

Arquitetura de três camadas: apresentação, lógica e dados, cada uma com escala e segurança próprias. Fonte: documentação da AWS.

O que prova para o recrutador: você sabe desenhar uma topologia padrão de produção e gerenciá-la como código, não manualmente no console.

Caminho guiado: comece com os tutoriais da DataCamp getting started with Terraform e automate AWS infrastructure with Terraform, e faça antes o curso Understanding Cloud Computing se os fundamentos forem novos. Use a referência de arquitetura de três camadas da AWS como estudo aprofundado da topologia.

• Nível: Intermediário
• Stack: Terraform, AWS ou GCP, load balancer, VPC, autoscaling
• Ideal para: Desenvolvedores backend e sysadmins migrando para cloud engineering

2. Monte um setup de Terraform para múltiplos ambientes

Este é o projeto certo para provar que você entende como IaC funciona em uma empresa de verdade, não só rodar terraform apply uma vez. É um padrão usado em praticamente toda organização séria.

Crie uma base de código Terraform com módulos compartilhados, arquivos de variáveis e workspaces ou diretórios separados para dev, staging e produção. Armazene o state remotamente no S3 ou Terraform Cloud com locking e reutilize um módulo nos três ambientes, de modo que a diferença esteja na configuração, não no copy-paste. Documente por que você dividiu os módulos dessa forma.

O que prova para o recrutador: você entende reutilização de módulos, gestão de state e isolamento de ambientes, ou seja, uma estrutura de IaC real em vez de script pontual.

Caminho guiado: siga os tutoriais da DataCamp Terraform on AWS e Terraform import para se familiarizar com módulos e state antes de separar ambientes.

• Nível: Intermediário
• Stack: Terraform, state remoto, módulos, workspaces
• Ideal para: Quem mira vagas de DevOps ou platform engineering

Projetos de CI/CD e automação para DevOps e platform

Projetos de automação mostram que você constrói entregas repetíveis e confiáveis. São centrais em DevOps e, cada vez mais, esperados em cloud engineering também.

3. Construa um pipeline de CI/CD para um app conteinerizado com GitHub Actions

Um pipeline de CI/CD para app conteinerizado é o projeto de automação mais esperado para vagas juniores de cloud e DevOps. Se você for fazer só um projeto de automação, faça este.

Crie um workflow no GitHub Actions que roda linters, executa testes, gera uma imagem Docker, publica em um registry como Amazon ECR, Google Artifact Registry ou Docker Hub e faz o deploy em um serviço de cloud. Dispare em push e pull requests para cada estágio ter função real. Um pipeline que só imprime "hello world" não engana ninguém — faça cada etapa valer.

O que prova para o recrutador: você consegue entregar código automaticamente e com confiabilidade — o dia a dia de platform e cloud.

Caminho guiado: o curso CI/CD for Machine Learning da DataCamp ensina eventos, jobs, runners e pipelines no GitHub Actions, e a mecânica se transfere direto para um deploy em cloud. Combine com Introduction to Git e Introduction to GitHub Concepts, depois siga o tutorial de walkthrough de CI/CD para um exemplo completo.

• Nível: Intermediário
• Stack: GitHub Actions, Docker, um container registry, um runtime em cloud
• Ideal para: Devs que miram vagas de DevOps e platform

4. Agende uma tarefa de automação serverless

Projeto pequeno e rápido que mostra pensamento operacional, algo mais raro em portfólios juniores do que pura habilidade de build. Dá para concluir em uma tarde.

Use Amazon EventBridge ou Google Cloud Scheduler para acionar uma Lambda ou Cloud Function em um horário. Boas ideias: relatório diário de custos, job de arquivamento de registros antigos ou limpeza de recursos obsoletos. Dê à função uma role IAM com menor privilégio e registre logs do que ela fez.

O que prova para o recrutador: você pensa em operação e controle de custos, não só em subir serviços.

Caminho guiado: faça o curso AWS Cloud Technology and Services para os blocos serverless e use o tutorial de AWS Step Functions para orquestrar automações em múltiplas etapas.

• Nível: Iniciante
• Stack: AWS Lambda ou Cloud Functions, EventBridge ou Cloud Scheduler, IAM
• Ideal para: Profissionais no início de carreira adicionando sinal de operação

Projetos de containers e Kubernetes para cloud engineer, DevOps e SRE

Projetos em Kubernetes têm alto valor para cloud engineer, DevOps e SRE. Mesmo em cluster local, como kind ou minikube, impressiona quando manifestos e arquitetura são bem pensados.

5. Faça o deploy de um app com múltiplos serviços no Kubernetes com Helm

Este projeto demonstra letramento em containers em nível de produção e cobre grande parte do que uma vaga júnior em Kubernetes espera. Funciona em cluster gerenciado ou local.

Faça o deploy de um app com dois ou três serviços (frontend web, backend API e banco de dados) usando Deployments, Services, ConfigMaps, Secrets e um Ingress controller. Depois empacote como um chart Helm com arquivos de values por ambiente e adicione requests e limits de recursos mais um Horizontal Pod Autoscaler. Documente os thresholds escolhidos — é isso que transforma um deploy básico em algo que mostra raciocínio real.

O que prova para o recrutador: você roda workloads em containers como em produção, com empacotamento e gestão de recursos, não só um manifesto solto.

Caminho guiado: faça Introduction to Kubernetes para prática com kubectl e manifestos e depois Getting Started with Google Kubernetes Engine para cluster gerenciado. A trilha Containerization and Virtualization with Docker and Kubernetes e o tutorial de Kubernetes cobrem o caminho completo; Introduction to Docker é pré-requisito.

• Nível: Avançado
• Stack: Kubernetes, Helm, Docker, Ingress, HPA
• Ideal para: Cloud engineers e candidatos de DevOps mirando times com forte uso de containers

Projetos serverless e orientados a eventos para transição de carreira e início de jornada

Projetos serverless mostram que você entende arquitetura orientada a eventos e computação gerenciada. São rápidos de construir, ótimos para um primeiro projeto completo quando o tempo é curto.

6. Construa um site estático com formulário de contato serverless

É o caminho mais rápido para seu primeiro projeto completo em cloud e gera uma URL ao vivo para compartilhar. Eleva a hospedagem estática básica para algo que realmente faz trabalho no backend.

Hospede um site estático no Amazon S3 com CloudFront, ou no Google Cloud Storage, e adicione um formulário de contato que chama o API Gateway e uma Lambda (ou Cloud Functions). A função envia uma confirmação via Amazon SES ou SNS. Tudo é serverless, então o custo é quase zero e demonstra como componentes gerenciados se conectam.

O que prova para o recrutador: você integra hospedagem estática, compute serverless e mensageria gerenciada em um app funcional de ponta a ponta.

Caminho guiado: faça o curso AWS Concepts para os serviços principais e Understanding Cloud Computing para os fundamentos de hospedagem e serverless.

• Nível: Iniciante
• Stack: S3 ou Cloud Storage, CloudFront, API Gateway, Lambda, SES ou SNS
• Ideal para: Iniciantes completos que querem um primeiro projeto ao vivo

7. Construa um pipeline de processamento de arquivos orientado a eventos

Este projeto ensina o padrão orientado a eventos, onipresente em arquiteturas reais de cloud. É um passo natural após o formulário de contato.

Um upload no S3 ou Cloud Storage aciona uma Lambda ou Cloud Function que processa o arquivo — por exemplo, redimensionar imagem, fazer parsing de CSV ou extrair texto —, grava o resultado no storage e envia uma notificação via SNS ou Pub/Sub. Dê à função uma role IAM limitada apenas aos buckets e tópicos necessários. IAM de menor privilégio é onde muitos iniciantes tropeçam; acertar isso vira diferencial.

O que prova para o recrutador: você entende design orientado a eventos e IAM de menor privilégio — dois pontos que separam um build consciente de um clone de tutorial.

Caminho guiado: o tutorial de AWS Step Functions e o curso AWS Cloud Technology and Services da DataCamp cobrem triggers, funções e orquestração.

• Nível: Intermediário
• Stack: S3 ou Cloud Storage, Lambda ou Cloud Functions, SNS ou Pub/Sub, IAM
• Ideal para: Quem já tem um projeto serverless e quer aprofundar

Projetos de dados em cloud e ML para cloud data engineer

Projetos de dados e ML valem muito se você mira cloud data engineering, analytics engineering ou plataformas em empresas data-heavy. A arquitetura e a qualidade do código importam mais que o tamanho do dataset.

8. Construa um pipeline de dados em batch para um warehouse em cloud

Projeto ideal para quem mira vagas de cloud data engineer ou analytics engineering. Atualiza a ideia de analytics em cloud para um pipeline limpo de ponta a ponta.

Ingestione um dataset público, transforme com Python ou SQL, carregue em um warehouse em cloud como BigQuery, Amazon Redshift ou Azure Synapse e visualize o resultado de uma consulta. Um dataset pequeno basta — o foco é o pipeline, não o volume. Documente escolhas de esquema e como você agendaria a execução em cadência.

O que prova para o recrutador: você move dados de ponta a ponta até um warehouse — a espinha dorsal dos papéis de dados em cloud.

Caminho guiado: siga o tutorial da DataCamp getting started with Azure Synapse e faça o curso Introduction to GCP para BigQuery. A trilha Associate Data Engineer in SQL ajuda a consolidar os fundamentos do pipeline.

• Nível: Intermediário
• Stack: BigQuery, Redshift ou Synapse, Python ou SQL, storage em cloud
• Ideal para: Analistas e engenheiros mirando vagas de dados em cloud

9. Construa um serviço serverless de inferência de ML

Este projeto mostra que você coloca um modelo atrás de uma API sem gerenciar servidores, expectativa moderna para funções aplicadas. Consolida ideias antigas de ML serverless e chatbot em um build útil.

Empacote um modelo — de classificação de imagens ou texto — atrás do API Gateway e de uma Lambda ou Cloud Functions e armazene entradas e saídas no DynamoDB ou Firestore. Você pode usar um serviço gerenciado como Amazon Rekognition ou um modelo do Hugging Face para manter o escopo enxuto. Registre no seu write-up os trade-offs de cold start e custo da inferência serverless — é isso que demonstra bom julgamento.

O que prova para o recrutador: você entende compute gerenciado, serving de modelos e os trade-offs de custo da inferência serverless.

Caminho guiado: leia o guia sobre cloud architecture for data science and machine learning e use o tutorial de AWS Step Functions para encadear etapas de processamento.

• Nível: Avançado
• Stack: API Gateway, Lambda ou Cloud Functions, DynamoDB ou Firestore, um serviço de modelo
• Ideal para: Profissionais de dados migrando para cloud e ML engineering

Projetos de observabilidade e segurança

Projetos de observabilidade e segurança quase não aparecem em portfólios juniores — justamente por isso se destacam. Nossa cobertura guiada é mais enxuta nessas áreas, então estes projetos se apoiam mais na documentação oficial do que o restante da lista, e dizemos isso com transparência abaixo.

10. Monte um stack de monitoramento e alertas

Recrutadores levam a sério projetos de observabilidade para vagas de cloud e SRE porque mostram que você pensa além do momento do deploy. A maioria dos juniores ignora isso, então é um jeito rápido de se destacar.

Faça o deploy do Prometheus para coletar métricas do app e do sistema subjacente e crie um dashboard no Grafana com pelo menos duas regras de alerta. Rodar em uma única VM ou em um cluster local com kind já serve. Como alternativa em provedor de cloud, centralize logs no Amazon CloudWatch ou Google Cloud Logging, escreva uma query que destaque um padrão de erro específico e anexe um alerta. Documente os thresholds e por que os escolheu.

O que prova para o recrutador: você pensa no pós-deploy — um sinal de senioridade, mesmo em nível júnior.

Caminho guiado: use a documentação oficial de Prometheus e Grafana para o hands-on. O curso MLOps Concepts da DataCamp cobre os princípios de monitoramento (estatístico e computacional) que se aplicam à infraestrutura.

• Nível: Intermediário
• Stack: Prometheus, Grafana, ou CloudWatch e Cloud Logging
• Ideal para: Candidatos a SRE e funções de confiabilidade em cloud

11. Implemente IAM de menor privilégio e hardening de segredos

Pensar em segurança diferencia você de quem só faz funcionar. Não é preciso ser especialista para demonstrar — qualquer engenheiro pode se destacar aqui.

Comece com um setup propositalmente superpermissivo, use o IAM Access Analyzer na AWS ou o Policy Analyzer na GCP para encontrar excessos e reduza as permissões ao mínimo necessário. Depois, remova credenciais hardcoded e mova-as para o AWS Secrets Manager, Google Secret Manager ou HashiCorp Vault. Documente o estado inicial e cada mudança que você fez e por quê.

O que prova para o recrutador: você trata segurança como padrão, não como algo de última hora, e justifica cada permissão concedida.

Caminho guiado: o curso Understanding Cloud Computing cobre fundamentos de segurança, e a prática usa a documentação do provedor para IAM Access Analyzer e Secrets Manager. É um build orientado por docs — de propósito.

• Nível: Intermediário
• Stack: IAM Access Analyzer, Secrets Manager ou Vault, ferramentas de segurança do provedor
• Ideal para: Engenheiros que querem um diferencial ausente na maioria dos portfólios

O que faz um projeto em cloud se destacar

O tipo de projeto importa menos do que a execução. Duas coisas separam constantemente uma peça de portfólio de um clone de tutorial — e ambas são gratuitas de adicionar.

• Decisões documentadas no README. Explique por que este serviço, por que estas permissões IAM, por que este design de rede. Sem raciocínio documentado, parece só seguir um passo a passo.
• Segurança desde o começo. Nada de permissões IAM genéricas, nada de segredos em variáveis de ambiente expostas, nada público que deveria ser privado.
• Profundidade acima de quantidade. Dois ou três projetos bem executados em áreas diferentes superam seis superficiais — sempre.
• Cobertura das lacunas. Um pipeline de CI/CD para app conteinerizado é o projeto de automação mais esperado para juniores, e um stack de monitoramento é o que mais falta nos portfólios.

Considerações finais

Para a maioria que está migrando para cloud, o projeto de Terraform em três camadas é o ponto de partida certo, porque IaC aparece em praticamente toda vaga de cloud e DevOps. Se você mira diretamente DevOps ou platform, comece pelo pipeline de CI/CD com GitHub Actions. A partir daí, adicione um projeto em uma área de habilidade para a qual você ainda não tem evidência — e, se puder, inclua observabilidade ou segurança nesse projeto.

Alguns avisos honestos. Você vai construir as partes em cloud destes projetos diretamente no free tier do provedor, não dentro de uma plataforma de aprendizado, então precisará de uma conta AWS, Azure ou GCP e deve ficar de olho em cobranças pequenas de serviços fora do free tier. Trate os cursos guiados como o atalho para entender o conceito e faça o build real por conta própria — assim o trabalho é genuinamente seu.

Se você quer os conceitos antes de construir, o guia Learn Cloud Computing From Scratch e o curso Understanding Cloud Computing cobrem as bases em poucas horas de conteúdo.