Habilidades de Programação
- Python com foco em análise de dados
- Pensamento Estratégico
- Conceitos de ETL
- SQL Language
- Git
- Terminal
Sou Cientista de Dados que trabalha atualmente com IA Generativa na extração de dados não estruturados e com chatbots.
Sou formado em Engenharia Ambiental e sou pesquisador bolsista de doutorado.
Também trabalho no meu projeto de doutorado, criando um modelo preditivo de machine learning para captura de CO2 atmosférico em fontes de biomassas e trabalho em projetos pessoais sobre Ciência de Dados, para adquirir experiência na solução de problemas de negócio e domínio sobre as ferramentas de análise de dados.
Estou buscando aprimoramento profissional para alavancar minha carreira e implementar o data driven nas empresas.
Desenvolvimento de soluções para problemas de negócio utilizando IA Generativa e ferramentas como Redes Neurais, LLM e RAG.
Desenvolvimento de soluções de IA para extração de dados não estruturados.
Desenvolvimento de soluções de IA para criação de chatbots para serviço de atendimento ao cliente.
Coletar, processar e limpar dados para treinamento e uso de modelos..
Realizar experimentos para avaliar a performance dos modelos.
1 protótipo de projeto de classificação de produtos com Gen IA.
1 projeto de previsão de vendas, onde foi construído um modelo de machine learning para previsão de vendas das 6 últimas semanas de uma rede de farmácias na Europa.
1 projeto de ensaio de machine learning, onde foram testados diversos algoritmos de machine learning com o intuito de observar as condições de overffiting e Underfitting, utilizando a biblioteca sckit-learn.
1 projeto em construção de soluções de dados para problemas de negócio, próximos aos desafios reais das empresas, utilizando dados públicos de competições de Ciência de Dados, onde abordei o problema desde a concepção do desafio de negócio até a publicação do dashboard, utilizando ferramentas de Cloud Computing.
Estudo a captura de CO2 em resíduos de biomassas para promover processos ambientais amigáveis.
Publicação de 7 artigos científicos em periódicos internacionais, incluindo um artigo na área de machine learning.
2+ Anos como monitor/ajudante na pós graduaçãoAjuda na criação de gráficos com matplotlib, auxílio em python e monitorias para tirar dúvidas dos alunos de pós graduação do meu orientador. Bolsista de iniciação científica.
Nesse projeto, os conceitos de Programação em Python, manipulação de dados, pensamento estratégico e lógica de negócio, junto com ferramentas de desenvolvimento web como o Streamlit e ferramentas como o Github, foram usados para desenvolver um painel gerencial com as principais métricas de uma empresa marketplace de delivery de comida.
O resultado final do projeto foi um painel hospedado em um ambiente Cloud e disponibilizado através de um link web. O painel pode ser acessado por qualquer dispositivo conectado na internet.
Nesse projeto, foram explorados os principais conceitos do treinamento, ajuste de parâmetros e limiares entre overfitting e underfitting de vários algoritmos de Machine Learning dentro das tarefas de classificação, regressão e agrupamento, através de um ensaio de Machine Learning.
O resultado final do projeto foi um painel mostrando a performance desses algoritmos de Machine Learning, a partir da variações dos valores dos principais parâmetros de cada algoritmo, que controlam o estado de overfitting e underfitting.
Projeto end-to-end para previsão de vendas das 6 últimas semanas da rede de farmácias Rossmann, para isso, foi contruído um modelo de Machine Learning (XGBoost) para realizar a predição.
O algoritmo de Regressão treinado possui um erro de 12% e o resultado estimado da solução é de $ 290 milhões de faturamento.
O resultado final do projeto foi a criação de um bot no telegram (rossmannproject_bot) para consultar o faturamento de cada loja desejada .
Desenvolvimento de um protótipo de modelo com IA para classificar produtos da Amazon usando Large Language Model (LLM).
O modelo foi treinado utilizando um conjunto de dados público e emprega a técnica de ”few-shot prompting” para categorizar novos produtos.
Chegou-se a uma acurácia de 90% para esse protótipo.
Desenvolvimento de um modelo simples de machine learning para captura de CO2
Carbon adsorption on waste biomass of passion fruit peel: A promising machine learning model for CO2 captureSinta-se à vontade para entrar em contato: