Uma seleção da minha trajetória de aprendizado em engenharia de IA. Cada projeto explora uma questão, um método e uma lição.
Esta seleção acompanha minha evolução da exploração de dados ao desenvolvimento de modelos e aplicações interativas.
Comparação de árvores de decisão, florestas aleatórias e regressão logística para prever o plano observado do cliente a partir do uso.
Explorar o projeto: Classificação de planos de telefoniaEstudo do ciclo de plataformas, preferências regionais, avaliações e vendas históricas para apoiar uma estratégia simulada de marketing.
Explorar o projeto: Estratégia de vendas de videogamesIntegração de tabelas de clientes, chamadas, mensagens, internet e tarifas para comparar a receita mensal de dois planos pré-pagos.
Explorar o projeto: Análise de receita de planos de telefoniaAplicação Streamlit para explorar quilometragem e preços anunciados por meio de gráficos interativos com Plotly.
Explorar o projeto: Painel de anúncios de veículosComparação de árvores de decisão, florestas aleatórias e regressão logística para prever o plano observado do cliente a partir do uso.
Usar chamadas, minutos, mensagens e consumo mensal de dados para classificar clientes nos planos Smart ou Ultra.
Separação estratificada entre treino, validação e teste; busca de hiperparâmetros; comparação com uma referência que prevê a classe majoritária.
A floresta aleatória selecionada na validação superou a referência no estudo registrado. O trabalho desenvolve seleção e avaliação de modelos além da análise exploratória.
Estudo educacional offline. Prever o plano atual não identifica o melhor plano para o cliente. Novas escolhas após explorar o teste exigem outra amostra independente; o notebook também mantém um caminho de dados do ambiente do curso.
Estudo do ciclo de plataformas, preferências regionais, avaliações e vendas históricas para apoiar uma estratégia simulada de marketing.
Usar o histórico até 2016 para identificar plataformas e perfis de público relevantes a uma campanha no cenário de 2017.
Preparação dos dados, comparação de plataformas e gêneros, segmentação regional, correlações e testes de Kruskal–Wallis e Welch.
Perfis regionais e ciclos de plataformas mudam a leitura das vendas agregadas. A análise conecta resultados exploratórios a uma questão de negócio.
Cenário educacional histórico, sem previsão do mercado atual. O conjunto completo não está incluído; o repositório oferece uma amostra. Correlação não demonstra que avaliações causam vendas.
Integração de tabelas de clientes, chamadas, mensagens, internet e tarifas para comparar a receita mensal de dois planos pré-pagos.
Investigar diferenças de uso e receita entre os planos Surf e Ultimate em uma amostra de 2018.
Integração de cinco bases, agregação por cliente e mês, implementação de regras de cobrança, visualização de distribuições e testes de Welch.
Maior receita total e maior receita por cliente são sinais de negócio diferentes. O estudo distingue essas medidas e conecta regras de cobrança à análise.
Análise educacional de uma amostra histórica. Observações mensais dos mesmos clientes limitam a hipótese de independência; os resultados não demonstram que mudar a publicidade aumentará a receita.
Aplicação Streamlit para explorar quilometragem e preços anunciados por meio de gráficos interativos com Plotly.
Facilitar a exploração de uma base de anúncios de veículos em uma interface web simples.
Leitura dos anúncios com pandas, caixa de seleção para exibir um histograma de quilometragem e botão para gerar a dispersão entre preço e quilometragem.
O projeto transforma uma análise em interface interativa e introduz a publicação de aplicações, complementando os estudos em notebooks.
Painel exploratório de anúncios. Não estima preços de venda, não estabelece causalidade e não implementa um modelo de avaliação em produção.