Desenvolvimento de um Painel Gerencial para Marketplace de Entregas com o Streamlit
Nesse projeto, os conceitos de Programação em Python, manipulação de dados, pensamento estratégico e lógica de negócio, junto com ferramentas de desenvolvimento web como o Streamlit e Github, foram usados para desenvolver um painel gerencial com as principais métricas de uma empresa marketplace de delivery de comida na India.
O resultado final do projeto foi um painel hospedado em um ambiente Cloud e disponibilizado através de um link web. O painel pode ser acessado por qualquer dispositivo conectado na internet.
As ferramentas utilizadas foram:
- Python.
- Jupyter Notebook, Git e GitHub.
- Terminal.
- Streamlit Cloud.
Previsão de Vendas das lojas Rossmann utilizando Regressão
Para esse projeto foram utilizados os conceitos de Programação em Python para manipulação de dados e técnicas supervisionadas de Machine Learning para construir um modelo que estima o faturamento de cada loja nas próximas 6 semanas, com objetivo de identificar quais lojas teriam faturamento suficiente para realizar reformas em sua estrutura.
O resultado final do projeto foi um modelo com deploy em Cloud e disponibilizado através de um bot no Telegram. O bot pode ser acessado por qualquer dispositivo conectado na internet com o conta no Telegram.
As ferramentas utilizadas foram:
- Python, Pandas, Matplotlib, Seaborn e Sklearn.
- Jupyter Notebook, Git e GitHub.
- LinearRegression, XGBoost e RandomForest.
- Terminal.
- Render Cloud.
- Telegram App.
Análise de Dados para Marketplace de Restaurantes
A empresa Fome Zero é uma marketplace de restaurantes. Ou seja, seu core business é facilitar o encontro e negociações de clientes e restaurantes. Os restaurantes fazem o cadastro dentro da plataforma da Fome Zero, que disponibiliza informações como endereço, tipo de culinária servida, se possui reservas, se faz entregas e também uma nota de avaliação dos serviços e produtos do restaurante, dentre outras informações.
O resultado final do projeto foi um painel hospedado em um ambiente Cloud e disponibilizado através de um link web. O painel pode ser acessado por qualquer dispositivo conectado na internet.
As ferramentas utilizadas foram:
- Python, Pandas e Plotly.
- Jupyter Notebook, Git e GitHub.
- Terminal.
- Streamlit Cloud.
Análise de Dados de Marcas de Motos
Gráficos com informações de fabricantes e modelos de motos, se é primeiro, segundo, terceiro ou quarto dono da moto, preço, fabricante da motocicleta entre outras.
O resultado final do projeto foi um painel hospedado em um ambiente Cloud e disponibilizado através de um link web. O painel pode ser acessado por qualquer dispositivo conectado na internet.
As ferramentas utilizadas foram:
- Python, Pandas e Plotly.
- Git e GitHub.
- Terminal.
- Streamlit Cloud.
Ensaio de Machine Learning
O contexto deste projeto é realizar ensaios de Machine Learning testando diferentes algoritmos para classificação, regressão e clusterização.
A estratégia para este ensaio foi simplesmente criar uma função auxiliar onde todos os algoritmos utilizaram a função para treinar os algoritmos em diferentes situações e com diferentes parâmetros, utilizando conjuntos de dados de treino, validação e teste.
As ferramentas utilizadas foram:
- Python e Pandas.
- Git e GitHub.
- Classificação, Regressão e Clusterização.
- Sklearn.
Ensaio de Teste A/B
A empresa Isketch, localizada em São Paulo, fabrica e disponibiliza um software com foco no desenvolvimento 3D de projetos para a construção civil.
Uma das melhores estratégias de aquisição de clientes de iSketch é a captura do email dos clientes em troca de um Newsletter com conteúdos semanais sobre construção civil.
As ferramentas utilizadas foram:
- Python, Pandas e Seaborn.
- GitHub.
- Streamlit Cloud.
Previsão de Inadimplência
Projeto de analise preditiva de credito com treinamento de modelo, API de previsão e dashboard.
Este repositorio contem um pipeline para treinar modelos de score de credito usando MLflow, alem de uma API para fazer as predisões e um painel streamlit para interagir com o dados.
As ferramentas utilizadas foram:
- Python, Pandas, Plotly.
- Sklearn.
- Jupyter Notebook, Git e GitHub.
- LogisticRegression e Random Forest.
- Render Cloud e Streamlit.
- MLflow e optuna.
