Eu vou ser cientista de dados para modelagem preditiva, aprendizado de máquina, análise de big data
Engenheiro de Dados Sênior e Cientista de Dados
Sobre este Serviço
Com mais de 20 anos de experiência em ciência de dados, engenharia de dados e inteligência de negócios, ofereço soluções completas de dados, desde coleta e limpeza até modelagem de aprendizado de máquina e insights acionáveis. Trabalhei em projetos avançados como previsão de atrasos de voos, modelagem de retenção de clientes e análise de sentimento usando ferramentas de ponta como Python, Spark, Hadoop e plataformas de nuvem (Azure, AWS, GCP).
O que eu ofereço:
- Modelos preditivos e de classificação (Random Forest, XGBoost, SVM, etc.)
- NLP (Análise de Sentimento, Modelagem de Tópicos, BERT)
- Deep Learning (CNN, LSTM, ANN)
- Análise de Big Data usando Hadoop, Spark (Scala, Java, PySpark)
- Bases de dados SQL & NoSQL (SQL Server, Oracle, MongoDB, Cassandra)
- Visualização de dados (Power BI, Tableau, Matplotlib, Seaborn)
- Pipeline de dados & ETL (SSIS, Talend, Airflow)
- ML baseado na nuvem (Azure Databricks, AWS EMR, GCP BigQuery)
Ferramentas & Linguagens:
Python, R, Java, Scala, SQL, PySpark, TensorFlow, Keras, Hadoop, Hive, Kafka, Power BI, Azure, AWS, GCP
Vamos transformar seus dados brutos em inteligência de negócios valiosa. Seja uma análise pontual ou um pipeline de ML escalável, garanto resultados profissionais, explicáveis e confiáveis.
Linguagem de programação:
Python
•
SQL
•
Colab
•
JAVA
•
NoSQL
Tecnologia:
Python
•
JAVA
•
Scala
•
fluxo tensor
•
PyTorch
•
SQL
Meu portfólio
Perguntas frequentes
Tradução automática
Quais informações você precisa de mim para começar?
Para começar, vou precisar de acesso às suas fontes de dados (ou dados de amostra), uma breve descrição dos seus objetivos de negócio e quaisquer requisitos específicos, como formato de saída esperado (por exemplo, dashboards, relatórios CSV, endpoints de API). Para projetos grandes, recomenda-se uma breve ligação de descoberta.
Você trabalha com dados ao vivo/produção?
Sim, tenho ampla experiência na construção e gerenciamento de pipelines de dados de nível de produção. No entanto, sempre recomendo começar com um ambiente de staging ou amostrado para validar a lógica antes de passar para a implantação completa em produção.

