David A.

Sobre mim:

Sou profissional da área de tecnologia e educação, com formação em Física e atuação em análise de dados, programação e resolução de problemas quantitativos. Possuo experiência com Python, SQL, bancos de dados, organização e tratamento de informações, criação de gráficos, análise estatística e elaboração de relatórios.

Minha formação em Física fortaleceu minha capacidade de raciocínio lógico, interpretação de dados, modelagem matemática e identificação de padrões. Também atuo como professor de Física, Matemática, Ciências e Robótica, o que me permite apresentar resultados de maneira clara, didática e objetiva.

Posso colaborar em projetos como:

• Limpeza, tratamento e organização de dados;
• Análise exploratória de dados;
• Criação de gráficos, dashboards e relatórios;
• Automação de tarefas com Python;
• Consultas e organização de bancos de dados com SQL;
• Conversão e estruturação de planilhas e arquivos;
• Análises estatísticas e matemáticas;
• Desenvolvimento de materiais técnicos e educacionais;
• Apoio em projetos científicos e acadêmicos.

Tenho compromisso com prazos, comunicação transparente e entrega de soluções bem estruturadas. Busco compreender a necessidade de cada cliente para transformar dados e problemas complexos em informações úteis, organizadas e fáceis de compreender.

Resumo da experiência profissional:

Atuo no desenvolvimento de soluções em dados e automação com Python, criando ferramentas que organizam informações, eliminam tarefas manuais e geram relatórios e visualizações úteis para a tomada de decisão. Trabalho com análise e tratamento de dados (pandas, NumPy), web scraping (requests, BeautifulSoup), automação de processos com n8n e geração automatizada de planilhas e dashboards, sempre em ambiente Linux e com foco em código limpo e bem documentado.
Tenho formação em Física pela UFG e sólida experiência como professor de Física, Matemática, Ciências e Robótica, atuando na elaboração de materiais técnicos, modelagem de problemas e ensino de lógica e programação. Essa trajetória me deu uma base analítica forte e a capacidade de entender um problema a fundo antes de resolvê-lo — além de uma comunicação clara, que facilita traduzir a necessidade do cliente em uma solução técnica objetiva.
Também tenho experiência com robótica educacional (micro:bit e microcontroladores) e formação complementar nas áreas de desenvolvimento Full Stack, Cloud e Segurança da Informação, o que me dá uma visão ampla e integrada na hora de construir soluções.

Trabalhos:

Plataforma de Previsão de Churn

Nenhuma descrição informada Plataforma ponta a ponta de previsão de churn (cancelamento de clientes). Cobre todo o ciclo: geração/ETL de dados, comparação de modelos (RandomForest, XGBoost, LightGBM), interpretabilidade com SHAP, rastreamento de experimentos com MLflow, API REST em FastAPI e dashboard em Streamlit, tudo containerizado com Docker e com testes automatizados e CI. Entrega a probabilidade de churn por cliente pa

0
Scoring de Risco de Crédito

Nenhuma descrição informada Sistema completo de análise de risco de crédito que estima a probabilidade de inadimplência de um solicitante. Trata desbalanceamento de classes com SMOTE, compara XGBoost e CatBoost (melhor modelo com ROC-AUC de 0.865), explica as decisões com SHAP e serve o modelo via API FastAPI + dashboard Streamlit, com MLflow, Docker e testes/CI. Ideal para apoiar decisões de concessão de crédito.

0
Previsão de Demanda de Vendas

Nenhuma descrição informada Plataforma de previsão de demanda para varejo e logística. Compara cinco abordagens de série temporal (Prophet, ARIMA, SARIMA, XGBoost e LSTM) em um backtest temporal honesto (sem vazamento de futuro), escolhendo o melhor por erro (o Prophet venceu, com MAPE de 3,9%). Inclui API FastAPI de previsão, dashboard interativo, MLflow e Docker. Apoia planejamento de estoque e compras.

0
Previsão de Tempo de Entrega

Nenhuma descrição informada Modelo de machine learning que prevê o tempo de entrega de pedidos de e-commerce, usando a base pública da Olist. Projeto ponta a ponta: análise, engenharia de features, treino/validação, modelo servido em API FastAPI e empacotado com Docker. Útil para dar prazos mais precisos ao cliente e planejar a operação logística.

0
Manutenção Preditiva de Motores

Nenhuma descrição informada Projeto de manutenção preditiva que estima a vida útil restante (RUL) de motores turbofan a partir de dados de sensores (dataset NASA C-MAPSS). Antecipar falhas permite programar manutenção antes da quebra, reduzindo custo e parada não planejada. Inclui análise, engenharia de features e modelos de regressão avaliados com métricas apropriadas.

0
Classificador de Doenças em Folhas

Nenhuma descrição informada Modelo de visão computacional que classifica doenças em folhas de plantas a partir de fotos, usando transfer learning com MobileNetV2 (arquitetura leve, pensada para rodar em dispositivos de borda/edge). Atinge cerca de 92% de acurácia. Aplicável ao agronegócio para diagnóstico rápido no campo via celular.

0

Habilidades: