Olá, meu nome é Matheus, sou Técnólogo em Análise e Desenvolvimento de Sistemas pelo IFPB.
Aqui eu compartilho meus projetos e experiências focados em análise e ciência de dados usando Python com o objetivo de demonstrar minhas habilidades de resolver desafios de negócios.
Principais áreas de conhecimento:
-
Análise de dados: Utilizo técnicas de exploração e visualização de dados para extrair insights valiosos e identificar padrões relevantes. Trabalho com bibliotecas populares, como Pandas, NumPy, Plotly e Matplotlib, para processar, limpar e visualizar os dados, assim como a ferramenta Power BI para soluções mais robustas e dinâmicas que atendam às necessidades de negócio.
-
Machine Learning: Desenvolvo modelos de machine learning para resolver problemas de previsão de vendas, classificação, identificação churn de clientes, regressão e agrupamento.
-
Desenvolvimento de projetos: Tenho experiência em desenvolvimento de projetos, desde o entendimento do negócio, passnado pela coleta e preparação de dados e chegando até a implantação de modelos de machine learning em aplicações web.
-
Data Visualization - Power BI, Python
-
Data collection and processing - SQL, Python Web Scraping
-
Development - Git, Scrum, Linux
Estou sempre buscando aprender e aprimorar minhas habilidades com dados. Estou pronto para compartilhar meu conhecimento e trabalhar em grandes desafios na área.
[](https://linkedin.com/in/Matheus Valença)
Alguns dos projetos a se destacar:
Desenvolvi um modelo de machine learning após treinar diferentes algoritmos de classificação para prever a evasão de estudante de curso superior no IFPB, assim facilitando o IFPB a adotar medidas proativas na retenção de alunos e na melhoria da eficiência acadêmica.
O modelo final apresentou um acurácia de 77% e um recall de 92% (que para o contexto do problema foi um ótima métrica). O modelo foi colocado em deploy para ser acessado de qualquer navegador. rA ferramenta pode ser utilizada, por exemplo, no início do curso para identificar alunos mais propensos à evasão e na definição de estatégias para evitá-la. Além disso, diversos insights foram obtidos na Análise exploratória de dados, sendo de suma importância para elaboração de estratégias preventivas.
Desenvolvi um modelo de previsão de vendas para prever o lucro ou prejuízo provável em um período de 6 meses para 1.115 lojas Rossmann, fornecendo aos líderes de vendas a perspectiva certa para agir. O modelo funciona em forma de API, e pode-se realizar previsões para uma única loja ou para várias, auxiliando, por exemplo, na tarefa de separar budget para cada loja.
O modelo final apresentou um erro que correspondia em média a 10% do valor real, ou seja, uma previsão errada estaria errada por apenas 10% do valor real em média, e de acordo com o modelo de negócio, foi uma métrica consideravelmente boa.
Imagine que você tem uma empresa de cursos online e gostaria de saber como está o desempenho de seus concorrentes. Este foi o objetivo deste projeto. Por meio de web scraping de fóruns do site da escola de tecnologia Alura, foi realizada uma análise exploratória de dados, onde buscou-se entender a fatura e o crescimento anual, taxa de recompra dos cursos da plataforma e fatores de impacto na conclusão dos cursos.
Nesse projeto, foi realizado uma análise exploratória de um e-commerce de uma grande empresa brasileira, a Olist. Durante as análises foi possível identificar as regiões que mais contribuíam para receita da empresa, os horários de pico dos pedidos, tempo médio de entrega em dias para diferentes regiões e demais informações que ajudaram a entender a performance da empresa. Além disso, também realizei uma análise do valor do cliente (customer value) para identificar e segmentar grupos de clientes com padrões específicos para aplicar métodos de marketing específicos, dessa forma, contribuindo efetivamente para o time de vendas e marketing.
Análise de desgaste de funcionário. Contratar e reter funcionários são tarefas complexas e encontrar uma maneira de maximizar a retenção de funcionários é essencial para as empresas.
Neste projeto foi realizada uma Análise Exploratória de Dados em um conjunto de dados fictício criado por cientistas de dados da IBM. O objetivo do projeto foi identificar fatores que levam ao desgaste de um funcionário. Além disso, um Dashbord foi construído utilizando Power BI para reportar os insights de maneira rápida e dinâmica.