Sou Analista de Dados, graduado em Engenharia Civil e Ciência de Dados, com experiência em transformar dados em informações estratégicas para apoiar uma tomada de decisão. 📚 Tenho expertise sólida em análise de dados, qualidade de dados e criação de dashboards interativos utilizando ferramentas como Power BI, consultas e gerenciamento de banco de dados, SQL e Excel. Minha trajetória é marcada pela boa comunicação utilizando linguagem de negócio e aplicação de metodologias ágeis, como SCRUM e Kanban, para garantir a eficiência e agilidade na entrega de soluções. 📊
Aqui, você encontrará alguns projetos acadêmicos desenvolvidos, minhas participações em Hackatons, soluções de algumas demandas (utilizando pandas, numpy, matplotlib, plotly, scipy, scikit learn, entre outras), soluções para negócios utilizando Machine Learning, incluindo segmentação de clientes, análise de KPIs, testes estatísticos e modelagem. E, claro, passei horas incontáveis limpando, transformando e pré-processando conjuntos de dados.📊
Minha praia é negócios! Gosto de trabalhar em equipe, integrando os diversos setores, e em um mundo onde a maioria dos profissinais são fluentes na linguagem técnica, meu diferencial é a a tradução para a linguagem de negócios, mantendo sempre uma comunicação clara e objetiva. Minhas habilidades incluem o domínio de DAX, M Language, VBA, Planilhas Google, Figma e gestão de bancos de dados. Com um olhar atento à qualidade dos dados e à otimização de processos, colaboro de forma proativa com equipes multidisciplinares para solucionar problemas complexos e gerar insights. 💰📊
- Python (Pandas, Numpy, Scipy, StatsModels)
- SQL
- Visualização( Matplotlib, Plotly, Seaborn)
- ML (Sklearn)
- PLN (Processamento de Linguagem Natural)
- Power BI
- Análise Estatística dos Dados
- Gestão de Banco dd Dados
- Excel Avançado
- DAX
- Metodologias Ágeis: Kanban & Scrum
- Criação e Apresentação de Relatórios
Linkedin
📧 filipepereira.eng@hotmail.com
📲 Whatsapp
| NOME DO PROJETO | LINK | LINGUAGEM E FERRAMENTAS | OBSERVAÇÃO |
|---|---|---|---|
| Estoque Inteligente com SageMaker Canvas | estoque.inteligente | SageMaker Canvas na AWS | O objetivo desse projeto é criar uma predição para o estoque de uma determinada loja.Na ferramenta da AWS, foi possível realizar toda parte de tratamento dos dados, a construção e ajuste do modelo de predição (série temporal) para obter as métricas e avaliar a qualidade do modelo. Em alguns instantes, a plataforma realiza a predição para cada produto. |
| Predições para Sistema Bancário | predict.finance | Python,ML,Numpy,Matplotlib | O objetivo deste projeto é prever se um determinado cliente deixará o banco em breve.Para a análise dos dados, desenvolvimento e criação neste projeto, é utilizado além do Pandas, o Matplotlib, Numpy e informações de modelos de Machine Learning (sklearn) para encontrar o melhor resultado. Balanceamento do conjunto de dados, utilizando uma amostra reduzida para exemplificar o problema de desequilíbrio de classes.Criação e desenvolvimento do modelo de melhor desempenho. |
| Predições para Valor de Mercado de Veículos | predict.valuecar | Python,ML,Codificação Ordinal | Desenvolvimento de um aplicativo de venda de veículos para atrair novos clientes.É realizada a visualização, tratamento e análise de dados, utilizando a biblioteca Pandas. Desenvolvimento de aprendizado de máquina (sklearning, Gradient Boosting), para a criação de um modelo que determina com qualidade e velocidade o valor do mercado do veículo |
| Processamento e Mineração do Ouro | sklearn.gold | Python,Numpy,ML, Matplotlib, Seaborn | Criação e desenvolvimento de um modelo (Machine Learning), capaz de prever a quantidade de ouro puro extraído do minério, utilizando informações do banco de dados. Tratamento e Análise de dados. Criação de um modelo de máquina capaz de otimizar a produção e geração de relatórios utilizando gráficos. |
| Teste de Hipóteses para APP de Viagens | test.app | Python,Scipy,Math,Numpy,Matplotlib | Criação de teste de hipóteses para um aplicativo de viagens. Verifique se em um determinado dia com condições adversas, a duração das viagens sofrem alterações. Realizei o tratamento, enriquecimento e análise de dados. Geração de gráficos utilizando Matplotlib para visualização. Após os processos, apliquei o teste de hipóteses (Scipy) e a elaboração de relatórios. |
| Modelo de ML para Operadora de Telefonia | ml.telephony | Python,Sklearn,Numpy,Pandas | O objetivo do trabalho é desenvolver um modelo com a maior precisão possível, capaz de analisar o comportamento do usuário e recomendar planos de acordo com cada perfil. Modelos aplicados: Floresta Aleatória,Regressão Logística e Árvore de Decisão. |
| ML (Regressão Linear) para Perfuração de Poços de Petróleo | linear.regression_oil | Python,Numpy,ML(mse) | O trabalho realizado tem o objetivo de criar um modelo que seja capaz de prever os melhores locais para a perfuração de poços de petróleo. Modelo utilizado; Regressão Linear. |
| Análise e Verificação de Padrões de jogos | analysis.test_play | Python,Pandas, Scipy,Numpy,Math,Matplotlib | Neste projeto, analisei e tratei os dados para estudar padrões que avaliam o sucesso dos jogos ao longos dos anos. Também, foi aplicato TESTEs DE HIPÓTESES para fins de comparação entre categorias. |