IA aplicada • Machine Learning • Automação • Análise de dados

Construo modelos para prever e automatizar decisões.

Portfólio focado em ML aplicado com projetos práticos e explicações técnicas claras.

3
Projetos (meta)
ML
Previsão + Automação
Futebol
Em destaque

💎 Evolução de desempenho — Lamine Yamal

Análise por temporada do (xG90 + xA90) com pipeline em Python, engenharia de features e regressão linear como ferramenta analítica.

Python pandas scikit-learn matplotlib
Ver repo Pronto
Métrica
xG90 + xA90
Normalizado por 90
Pipeline
Reprodutível
Scripts .py organizados

Sobre

Meu foco é usar ML para resolver problemas reais com previsões e automações mensuráveis.

O que eu faço

  • 📊 Transformo dados em features úteis
  • 🧠 Treino e avalio modelos (com métricas e validação)
  • ⚙️ Automatizo pipelines para repetir e escalar
  • 📝 Documento o raciocínio (README + notebooks)

Stack

Python Pandas NumPy scikit-learn SQL Git/GitHub Jupyter
Meta 2026: consolidar projetos de IA aplicada (previsão + automação) com domínio em futebol.

Projetos

Poucos projetos, bem feitos. Cada um com objetivo, dados, método e resultados.

⚽ Previsão de Resultados — Brasileirão (Corinthians)

Modelo de classificação para prever resultados e analisar probabilidades.

Classificação EDA Métricas Notebook
Ver no GitHub Pronto

💎 Evolução ofensiva por temporada — Lamine Yamal

Análise de (xG90 + xA90) com tratamento estatístico, feature engineering e regressão linear como apoio interpretativo.

Análise Feature Eng. Regressão Pipeline
Ver no GitHub Pronto

📊 Previsão de Demanda — Service Desk

Previsão do volume diário de chamados com comparação entre baselines clássicos e modelo de Machine Learning (Random Forest), usando validação temporal.

Time Series Baseline Random Forest ML aplicado

Contato

Se quiser falar sobre projetos, oportunidades ou trocar ideia técnica: