Vou construir uma plataforma de análise de clientes e ML em banco de dados no GCP
Engenheiro de Dados Cientista de Dados
Sobre este Serviço
Vou projetar e construir uma solução de Customer Analytics 360° & Machine Learning em Banco de Dados de ponta a ponta usando GCP e BigQuery ML.
O que ofereço:
- Churn Scoring & API em Tempo Real: Treinar modelos de retenção no BigQuery ML (LOGISTIC_REG) e implantar endpoints de scoring com FastAPI para avaliação instantânea de risco.
- Segmentação de Clientes: Construir um RFM Feature Store em Banco de Dados e aplicar clustering K-Means (VIP, Em Risco, Perdido) para marketing direcionado.
- Previsão de Receita & Dashboards: Previsões de vendas para 30 dias usando BigQuery ML (ARIMA_PLUS) exibidas em dashboards interativos do Looker Studio.
Pilha Tecnológica: Google Cloud Platform, BigQuery ML, Python, FastAPI, Docker, Looker Studio, SQL.
Por que trabalhar comigo?
- ML em Banco de Dados: Elimina exportações caras de dados e aproveita a velocidade da nuvem.
- Pronto para Produção: Scripts Python de nível de produção, APIs REST e SQL limpo.
Por favor, entre em contato antes de fazer seu pedido para discutir sua arquitetura de dados!
Frameworks:
Scikit-learn
•
Google ML Kit
•
Panda
•
Outros
Tipo de dados:
Outros
Linguagem de programação:
Python
•
SQL
•
NoSQL
•
Scala
Ferramentas:
MLflow
•
Outros
APIs:
API do Google Cloud Vision
•
API do Azure Face
Meu portfólio
Perguntas frequentes
Tradução automática
Por que usar BigQuery ML ao invés de scripts tradicionais de ML em Python?
BigQuery ML executa machine learning diretamente dentro do Google Cloud Platform, sem precisar exportar dados para servidores externos. Isso acelera a execução, evita custos altos de transferência de dados e escala facilmente com grandes conjuntos de dados.
Preciso te dar acesso completo ao meu projeto no Google Cloud Platform?
Não. Você pode me conceder permissões restritas de BigQuery Admin e IAM Service Account, ou posso entregar scripts SQL limpos, código FastAPI e guias passo a passo para você implantar do seu lado.
Quais formatos de dados preciso fornecer?
Você pode fornecer dados brutos de PostgreSQL, arquivos CSV, buckets do Google Cloud Storage ou tabelas diretas do BigQuery. Eu cuidarei da limpeza dos dados, engenharia de features e configuração do pipeline Medallion.

