Vou construir modelos de aprendizado de máquina e análise estatística em python

Cientista de dados com experiência em aprendizado de máquina de produção, modelagem preditiva, análise estatística e métodos de sobrevivência/tempo até o evento, desenvolvidos para decisões reais, não apenas demonstrações em notebooks.

Experiência: desenvolveu modelos NLME e de sobrevivência para pesquisa clínica que reduziram o tamanho da amostra necessário em 30-40%, modelos preditivos de risco cardiovascular que superam escalas clínicas padrão, e pipelines estatísticos que apoiam comparações de eficácia de medicamentos em diferentes mercados. 2 publicações revisadas por pares em análise de dados.

O que posso ajudar: construir e avaliar modelos de ML (Random Forest, XGBoost, regressão) com validação adequada, não apenas um modelo ajustado sem diagnósticos; análise de sobrevivência/tempo até o evento (Cox PH, Kaplan-Meier); testes A/B e testes de significância estatística feitos corretamente; limpeza de dados e engenharia de features; explicar a metodologia de forma clara para que você possa defendê-la em uma defesa de tese ou reunião com stakeholders.

Pilha de ferramentas: Python (Scikit-learn, Pandas, NumPy, SciPy, PyTorch), R, Statsmodels. Cada entrega vem com uma explicação em linguagem simples do que foi feito e por quê. Envie seu conjunto de dados ou descreva-o, e eu sugerirei a abordagem certa