Sobre mim:
Sou um Cientista de Dados apaixonado com sólida formação (Bacharel) em Engenharia Mecânica e Ciência de Dados, além de dezenas de cursos para minha atualização profissional. Ao longo dos meus mais de 20 anos de experiência em diversos segmentos da indústria, comércio e serviços, desenvolvi uma profunda expertise em transformar dados complexos em insights valiosos e acionáveis.
Minha abordagem focada em resultados e minha capacidade de compreender e mapear os processos de negócio me permitem vislumbrar melhorias significativas onde as análises de dados podem ter um impacto positivo. Tenho um histórico comprovado de selecionar e implementar modelos de aprendizado de máquina para classificação, regressão, agrupamento, associação e aplicação de técnicas estatísticas avançadas para solucionar desafios empresariais complexos.
Domino as seguintes linguagens de programação: Python e suas bibliotecas (TensorFlow, PyTorch, Keras, Scikit-learn, SciPy, Pandas, NumPy, Selenium, Scrapy, PyODBC etc.), permitindo-me desenvolver soluções robustas e escaláveis. Além disso, minha capacidade de comunicar resultados complexos de forma clara e eficaz, utilizando ferramentas (e bibliotecas) de visualização de dados como Matplotlib, Seaborn, Pyplot, ggplot, Power BI, Tableau, entre outras, aliada à minha mentalidade analítica e curiosa, me permite colaborar de maneira produtiva em equipes multidisciplinares e diversas.
Resumo da experiência profissional:
Extração e integração de dados utilizando linguagens SQL, Python, R ou SQL Server Integration Services, para dados de varejo e logs de máquinas operatrizes com interface IoT.
Modelagem Relacional (conceitual e lógica) com documentação em Visio, Lucidchart, Draw.io e MySQL Workbench para indústria, comércio e serviços em geral.
Análise descritiva dos dados (média, mediana, moda, variância, desvio padrão, quartis, percentis e distribuição de frequência) e seus significados para setores de energia elétrica, mecânica e marketing.
Aplicação de testes de hipóteses (student, ANOVA, Qui-quadrado, correlação) para segmento de diagnóstico médico e demográficos.
Operações de Regressão: Regressão linear simples e múltipla, regressão logística e regressão polinomial para auxiliar na previsibilidade de custos e receitas de empresas prestadoras de serviço de atendimento ao cliente.
Análise de Séries Temporais (previsão de vendas e ROI) para indústrias e empresas de diversos segmentos.
Agrupamento de clientes/ por similaridade para favorecimento de campanhas de Marketing direcionadas.
Análise e aplicação de regras de associação de produtos comercializados por varejistas e atacadistas.
Classificação de documentos no formato PDF por tema ou assunto para escritórios jurídicos, de locação de máquinas e equipamentos, clínica veterinária e atendimento ao cliente.
Visualização de dados (gráficos) utilizando diversas ferramentas: Excel, Tableau, Power BI (Microsoft), QlikView, Plotly, Matplotlib ou Seaborn (para Python), ggplot2 (para R), D3.js (para visualizações web), etc.