Linguagens de Programação
- Python com foco em análise de dados
- Pensamento Estratégico
- Conceitos de ETL
- SQL Language
Sou formado em Engenharia Elétrica e trabalho como Analista de Risco no mercado financeiro.
Atualmente, trabalho na análise e seleção de ativos para carteira de clientes de acordo com o seu perfil de investidor e trabalho com projetos pessoas sobre Ciência de Dados, para adquirir experiência na solução de problemas de negócio e domínio sobre as ferramentas de análise de dados.
Estou buscando uma oportunidade de trabalhar profissionalmente como Cientista de Dados para melhorar a tomada de decisão da empresa, através da construção de soluções usando dados.
Construção de soluções de dados para problemas de negócio, próximos dos desafios reais das empresas, utilizando dados públicos de competições de Ciência de Dados, onde eu abordei o problema desde a concepção do desafio de negócio até a publicação do algoritmo treinado em produção, utilizando ferramentas de Cloud Computing.
Estudo e seleção de ativos de baixo risco para clientes com perfil de investidor conservador. Rotinas de atualização de relatórios e métricas para os "steakholder".
Correção de provas, exercícios e monitorias ao vivo para tirar dúvidas dos alunos.
Nesse projeto, os conceitos de Programação em Python, manipulação de dados, pensamento estratégico e lógica de negócio, junto com ferramentas de desenvolvimetno web como o Streamlit e Github, foram usados para desenvolver um painel gerencial com as principais métricas de uma empresa marketplace de delivery de comida na India.
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.
Sinta-se à vontade para entrar em contato.