Áreas de interesse:
- Automações: Soluções que resolvem tarefas repetitivas.
- Machine Learning: Modelos de aprendizado de máquina para otimização de processos e tomada de decisões.
- Visão Computacional (OpenCV): desenvolvimento de soluções para processamento e análise de imagens e documentos digitais.
- Data Science: análise e modelagem de grandes volumes de dados para geração de insights e apoio à tomada de decisão.
-
Análise de Energia Elétrica
Projeto de Data Science voltado à análise do consumo de energia elétrica, com foco em otimização e redução de custos.
Utiliza pandas, matplotlib, seaborn e técnicas de análise exploratória (EDA) para gerar visualizações e insights de eficiência energética.
Link do repositório -
Análise de Estatísticas Esportivas
Coleta e análise de dados estatísticos sobre ligas esportivas usando web scraping (BeautifulSoup, Selenium) e análise com pandas e matplotlib.
O projeto gera rankings, métricas de desempenho e comparativos entre clubes e jogadores.
Link do repositório -
Análise de Crédito
Desenvolvimento de um modelo de classificação para análise de crédito e previsão de inadimplência, utilizando Scikit-Learn, XGBoost e Pandas.
Foram aplicadas técnicas de balanceamento de classes (SMOTE), validação cruzada e métricas de avaliação (AUC, Recall, Precision).
Link do repositório -
Análise de Acidentes de Trânsito
Projeto de análise de dados públicos para identificar padrões e fatores críticos em acidentes de trânsito.
Utiliza Python, Pandas, Seaborn, Plotly e GeoPandas para visualização espacial e análise estatística dos incidentes.
Link do repositório -
Análise de Atributos de Jogadores de Futebol
Estudo dos atributos dos jogadores para prever o desempenho de times e entender fatores que influenciam o rendimento.
Utiliza Pandas, Scikit-Learn, Matplotlib e Seaborn para análise exploratória, normalização de dados e construção de modelos preditivos.
Link do repositório -
Classificador de 10 Frutas
Este projeto implementa um modelo de Deep Learning para classificação de frutas a partir de imagens, usando transfer learning com MobileNetV2 pré-treinada.
Link do repositório
Você pode me encontrar e entrar em contato comigo por meio do LinkedIn: