Vou construir um modelo de aprendizado de máquina personalizado

Eu desenvolvo soluções de Machine Learning e Deep Learning usando Python, transformando seus dados brutos em previsões precisas do mundo real e sistemas inteligentes.

Minha stack principal: XGBoost, Random Forest, Scikit-learn para modelos de previsão, e YOLOv8 com OpenCV para tarefas de visão computacional em tempo real e detecção de objetos.

Trabalho recente: AsteroidWatch, um sistema de previsão de risco de asteroides em tempo real, construído usando 5 APIs da NASA, treinado com 38.573 registros usando XGBoost e SMOTE para dados desbalanceados, priorizando alta recall para minimizar riscos não detectados, uma abordagem de segurança em primeiro lugar, além de apenas buscar números de precisão.

O que eu ofereço:

Limpeza de dados e engenharia de features

Tratamento de datasets desbalanceados (SMOTE, ponderação de classes)

Treinamento e avaliação de modelos de ML (XGBoost, Random Forest)

Deep Learning e detecção de objetos (YOLOv8, OpenCV)

Relatórios de desempenho claros (precisão, recall, matriz de confusão)

Implantação opcional como uma aplicação web ao vivo com Streamlit

Demo ao vivo: asteroidwatch-v2o.streamlit.app

Vamos transformar seus dados em previsões que você realmente pode confiar.