Sou Analista de Service Desk Jr e estudante de tecnologia, com foco em Análise de Dados, Automações, Banco de Dados, Python e Machine Learning.

Atuo no dia a dia resolvendo problemas reais de sistemas, suporte N1/N2, consultas e ajustes em banco de dados, análise de inconsistências e apoio a processos operacionais. Meu objetivo é evoluir para posições de Dados, BI, Engenharia de Dados, Machine Learning e Automações Inteligentes.

Gosto de construir projetos que conectam tecnologia com impacto prático: previsão de demanda, automação de processos, análise de dados esportivos e soluções que ajudam na tomada de decisão.

• Pós-graduação em Inteligência Artificial e Machine Learning
• Python para análise de dados e automações
• Machine Learning aplicado a problemas reais
• PL/SQL, Oracle e modelagem de dados
• Boas práticas de organização de projetos e pipelines de dados

Projeto de Machine Learning aplicado à operação de Service Desk, com previsão de volume diário de chamados, comparação de baselines e modelo Random Forest.

Principais pontos:

• Série temporal diária de chamados
• Features com lags, médias móveis e dia da semana
• Comparação entre modelos baseline e Machine Learning
• Apoio à decisão para escala, sobrecarga e períodos críticos

Repositório: service-desk-demand-forecast

Aplicação de Machine Learning para previsão de resultados do Campeonato Brasileiro, utilizando Python, Scikit-learn e Streamlit.

Principais pontos:

• Tratamento de dados históricos
• Treinamento com Logistic Regression
• Predição de vitória, empate ou derrota
• Deploy com interface interativa em Streamlit

Repositório: brasileirao-match-predictor

Projeto de análise de dados aplicada ao futebol, estudando a evolução ofensiva de jogador por temporada com métricas como xG90 + xA90.

Principais pontos:

• Pipeline em Python
• Limpeza e engenharia de features
• Análise estatística e regressão linear
• Storytelling com dados esportivos

Repositório: ml-player-performance

Ferramenta em Python/Streamlit voltada para automação de processos relacionados a MDF-e, com foco em produtividade, padronização e redução de retrabalho operacional.

Principais pontos:

• Automação com Python
• Interface em Streamlit
• Manipulação de dados fiscais/logísticos
• Aplicação prática em processo real

Repositório: gerador-mdfe-encerramento

Projeto em Python para análise de transações financeiras fictícias, com limpeza de dados, geração de indicadores, gráficos e pipeline organizado.

Principais pontos:

• Pipeline raw → processed
• Limpeza e padronização de dados
• Geração de gráficos e relatórios
• Logs de execução

Repositório: analisador-financeiro

• Análise de Dados
• Automações com Python
• Machine Learning aplicado
• Engenharia de Dados
• BI e indicadores operacionais
• PL/SQL e Oracle
• IA aplicada a negócios, música, futebol e operações

• Evoluir meus projetos de dados com deploy, documentação e storytelling
• Criar automações mais próximas de cenários corporativos reais
• Aprofundar Machine Learning, Deep Learning e IA aplicada
• Construir um portfólio forte para oportunidades em dados, automação e IA

Construindo soluções com dados, automação e inteligência aplicada.