Cientista de Dados Júnior
Amante do universo Geek, fã de séries sobre hackers e ficção científica e uma Cientista de Dados que adora colocar a mão na massa desde a coleta dos dados sendo eles estruturados ou não até a construção do modelo preditivo ou descritivo. No meu dia a dia uso muito Python e SQL (esse não pode ficar nunca de fora do rolê) mas tenho um conhecimento básico de R, não sou muito boa com visualização de dados (desculpa a sinceridade, mas é verdade) então utilizo algumas ferramentas como Power BI, Data Studio, etc para lidar com esse meu gap. Recentemente tive a oportunidade de trabalhar com dados financeiros e confesso que ainda não sei muita coisa mas tenho a certeza que é esse mundo que eu quero explorar cada dia mais.
Background in: Python | SQL | Machine Learning | DataViz.
Links:
Projetos que tive a oportunidade de trabalhar na Refinaria de Dados:
- Modelo de clusterização para o produto de Background Check: O objetivo é identificar se uma pessoa ou empresa apresnta risco ao negócio.
- Sistema de recomendação para a indústria farmacêutica: Desenvolvimento de um modelo híbrido (filtragem colaborativa e baseada em contéudo) para recomendar medicamentos e produtos de higiene e beleza em um e-commerce.
- Análise de sentimento para o mercado financeiro: Analisar a correlação entre as publicações nas mídias sociais e as cotações da B3.
Aqui você encontra os notebooks dos meus projetos na área de Data Science, Machine Learning e Data Analysis.
- Machine Learning para prever se uma pessoa recebe mais de 50K (dólares) no ano: https://bit.ly/39edTmM
- Extraindo insights da base de dados Black Friday através da Exploratory Data Analysis(EDA): https://bit.ly/3aluIfz
- Machine Learning para prever as vendas para a Black Friday: https://bit.ly/2uQIGHm
- Data cleaning em gêneros de filmes utilizando a biblioteca FuzzyWuzzy: https://bit.ly/3ad24NI
- Análise sobre praias atingidas pelas manchas de óleo no Nordeste: https://bit.ly/38jSSpb
- Análise sobre os Acidentes nas Rodovias Federais do Brasil no Ano de 2019: https://bit.ly/2TeKtz5
- Análise dos dados da Google Play Store: https://bit.ly/2PX3wvV
- Análise dos dados da Apple Store: https://bit.ly/33h3aWf