Possuo pós-graduação em Estatística Aplicada e atuo na área de Análise e Ciências de Dados desde o final de 2021. Durante esse período, desenvolvi habilidades em diversas bibliotecas, incluindo Pandas, Numpy, TensorFlow, PySpark e Spark. com Inglês e Espanhol avançado.
Cientista de Dados da TripleTen. No curso aprendi a realizar consultas em SQL e a trabalhar com as principais bibliotecas do Pyhton utilizadas para análise de dados e ciência de dados (pandas, numpy, matplotlib, plotly, scipy, scikit learn, keras), e suas aplicações para manipulação, análises e testes estatísticos, séries temporais, machine learning e resolução de problemas de negócios. Aprendi a construir modelos de machine learning supervisionados e não supervisionados, além de redes totalmente conectadas e redes neurais convolucionais.
Tenho experiência em Python, SQL (BigQuery), análise estatística, criação de dashboards Power Bi, Tableau, Qlik Sense, Ferramentas de ETL Talend e Pentaho, resolução de problemas complexos, comunicação entre áreas, gestão de projetos, automação de processos (pyhton), machine learning e modelagem preditiva.
-
🛠️ Trabalhando com análise e visualização de dados: Sistema de recomendação de música para mídia digital
-
🌱 Atualmente trabalhando com Ciência de dados, Análise Estatística, Análise de Dados
-
👯 Trabalho como analista de TI
-
💬 Pergunte-me sobre Ciência de Dados, Análise Estatistica, Análise de Dados, SQL, Power BI, Python, Tableau, QlikSense, Excel
-
📄 Meu portfólio de Análise de Dados. https://prasds.blogspot.com/
Power BI, AWS (Amazon Web Services), Docker, Git, Kubernetes, Linux, Microsoft SQL Server, MySQL, Pandas, Python, Scikit Learn, Seaborn, SQLite, TensorFlow, XGBoost, Qliksense, Tableau,
Sinta-se à vontade para dar uma olhada nos meus projetos abaixo:
| Nome Projeto | Notebook e Link | Ferramentas | Descrição |
|---|---|---|---|
| Prevendo fraude cartão de credito com regressão logística | Fraude_Cartão | Python,Pandas, Scikit Learn, Numpy, Seaborn |
A fraude de cartão de crédito é uma forma comum de golpe que afeta milhões de pessoas em todo o mundo. Essa fraude pode ter consequências graves, tanto para as vítimas quanto para as instituições financeiras que emitem os cartões de crédito. |
| Teste A-B | Testing_A_B | Python,Pandas, Scikit Learn, Matplotlib, Statsmodels |
O propósito do teste A/B é comparar diferentes amostras de conteúdo e design em pares. |
| Análise Melhores pontos para Poços de Petróleo | Poços_Petroleo | Python, Pandas, Scikit Learn, Numpy, Seaborn, Matplotlib, Math |
Este projeto tem como objetivo desenvolver um modelo que possa prever o melhor local para a perfuração de poços de petróleo. Utilizando modelo de machine learning para poder prever o lucro de cada poço. |
| Previsão de Churn | Churn | Python, Pandas, Scikit Learn, Numpy, Seaborn, Matplotlib, Math |
Este projeto tem como objetivo desenvolver um modelo capaz de prever se um cliente está prestes a deixar um banco fictício. Para isso, são analisados dados sobre o comportamento passado dos clientes e rescisões de contratos com o banco. |
| Análise Planos de Telefonia | Plano_Telefonia | Python, Pandas, Scikit Learn, Numpy, Seaborn, Matplotlib, Math |
Este projeto tem como objetivo desenvolver um modelo que possa analisar o comportamento do cliente e recomendar um dos planos mais recentes de uma companhia telefônica fictícia. |
| Análise Corridas de Taxi | Corridas de Taxi | Python, Pandas, Scikit Learn, Numpy, Seaborn, Matplotlib, Math |
Este projeto tem como objetivo analisar os dados de um aplicativo fictício de caronas. Encontrar padrões nas informações disponíveis, entender as preferências dos passageiros e o impacto de fatores externos nas corridas. |
| Prevendo Preços de carros | Preco de carro | Python, Pandas, Scikit Learn, Numpy, Seaborn, Matplotlib, Math |
Este projeto tem como objeivo prever as vendas de carros. A qualidade e velocidade de predições é crucial para o negócio. O projeto utiliza dados históricos, especificações técnicas, versões de acabamento e preços. |
| Relatorio Operacional de Vendas | Dashboard Tableau | Tableau, sql |
Este projeto tem como objetivo analisar os dados de Vendas produtos de escritorio, encontrar padrões nas informações disponíveis, entender as preferências dos clientes e o impacto de fatores externos no consumo. |
| Relatório de Eficácia de Vendas | Dashboard Qlik Sense | Qlik Sense, Csv |
Este projeto visa analisar os dados de vendas de produtos agrícolas, identificando padrões nas informações disponíveis e compreender as preferências dos clientes e o impacto de fatores externos no consumo. |
| Tradutor texto com google translator | Tradutor de texto | Python, streamlit, numpy, Deep_translator, pyngrok |
Um aplicativo web simples de tradução que converte texto do português para o inglês, construído com Streamlit e Google Translator. com este codigo e possivel traduzir texto em diversas idiomas desde que eles sejam compativeis com google translator. |
| Validação de Cartão de Crédito com Azure e Streamlit | validacao de cartão | Python, streamlit, azure |
Este projeto consiste em uma aplicação web que utiliza Azure Computer Vision e Streamlit para verificar e validar informações de cartões de crédito em imagens. |
| Base nos dados de clientes dados empresa de seguros | Companhia de seguros | Python, Pandas, Sklearn, Seaborn,Matplotlib, Math |
A empresa companhia de seguros Proteja Seu Amanhã determinou este projeto para responder a perguntas de negócios utilizando técnicas de machine learning. O objetivo é gerar insights valiosos para a empresa com base nos dados dos clientes, apoiando a tomada de decisões estratégicas. |
| Guia de Preços de Veiculos Usados com Machine Learn | Preço de veiculos | Python, Pandas, Sklearn, Seaborn,Matplotlib, Math, lightgbm, Catboost |
Desenvolvimento de um modelo para o serviço de vendas de carros usados Rusty Bargain, com o objetivo de estimar rapidamente o valor de mercado de veículos. O modelo foi projetado para determinar de forma precisa e eficiente o preço justo de cada carro, otimizando o processo de compra e venda. |
| Previsao Total Corridas Taxi Proxima Hora | Previsao Corrida de Taxi | Python, Pandas, Sklearn, Seaborn,Matplotlib, numpy, statsmodels |
Foi desenvolvido um modelo preditivo específico para atrair mais motoristas durante o horário de pico. Prever a quantidade de pedidos de táxi para a próxima hora. |
| Este projeto visa desenvolver um sistema para filtrar e categorizar resenhas de filmes | criticas_de_filmes | Python, Pandas, Sklearn, Seaborn,Matplotlib, numpy, nltk, spacy, lgbm |
Este projeto visa desenvolver um sistema para filtrar e categorizar resenhas de filmes. O objetivo é treinar um modelo de Aprendizado de Máquina para detectar automaticamente resenhas negativas, utilizando um conjunto de dados de resenhas de filmes do IMDB com rotulagem de polaridade (positiva ou negativa). |
| Será desenvolvido um modelo capaz de identificar precocemente clientes com maior probabilidade de cancelamento | Rotatividade de clientes | Python, Pandas, Sklearn, Seaborn,Matplotlib, numpy, catboost |
A operadora de comunicações InternetGO está interessada em prever a rotatividade de seus clientes (churn). Se for identificado que um usuário está planejando trocar de operadora, a empresa poderá oferecer códigos promocionais e opções de planos especiais para evitar a perda desse cliente. |
| Análise detalhada sobre o desempenho das músicas e dos artistas | top 200 artistas musicais | Python, Pandas, Sklearn, Power bi |
Este dashboard oferece uma análise detalhada sobre o desempenho das músicas e dos artistas, baseado nas horas escutadas por gênero musical, região e outros critérios. Ele é útil para compreender as preferências musicais dos ouvintes, tendências regionais e o impacto de artistas específicos. |