Sobre mim

Leonardo Alves Santana

Sou Mestrando em Ciência da Computação pela Universidade Federal de Uberlândia (UFU), Pós-graduando em Ciência de Dados pela PUC Minas e Bacharel em Física pela UFU.

Durante minha graduação, conduzi uma pesquisa financiada pelo CNPq na área de Informação Quântica, com o tema "Transições Landau-Zener em Qubits Semicondutores". Além disso, adquiri experiência como monitor e professor particular, o que fortaleceu minhas habilidades didáticas e de comunicação.

Após concluir a graduação, decidi redirecionar minha carreira para a área de Ciência de Dados. Aproveitando minha base sólida em matemática, análise estatística e programação desenvolvida como físico, complementei minha formação com cursos específicos e minha Pós-Graduação na área e minha Pós-Graduação.

Atualmente, atuo no desenvolvimento de soluções baseadas em dados, com foco em modelos de Machine Learning. Minha experiência abrange técnicas estatísticas, Processamento de Linguagem Natural (NLP), Redes Neurais e outras abordagens avançadas. Também trabalho na criação e monitoramento de projetos em plataformas de nuvem, como o Databricks.

Utilizo uma ampla gama de ferramentas em meu trabalho, incluindo SQL, Python, PySpark, SAS, Databricks, Microsoft Power BI, Tableau e Excel, para transformar dados em insights estratégicos e resultados práticos.

Habilidades

Linguagens de Programação e Banco de Dados

  • Python (Pandas, Numpy, Jupyter, Colab, Scikit-Learn, Matplotlib...)
  • SQL
  • PySpark
  • Banco de Dados MySQL e PostgreSQL

Visualização de Dados

  • Power BI
  • Streamlit

Engenharia de Software

  • Git e Github
  • Streamlit Cloud

Estatística, Machine Learning e Redes Neurais

  • Estatística descritiva, Probabilidade, Distribuições de probabilidade, Inferência, Análise Multivariada e Análise de Séries Temporais.
  • Algoritmos de Classificação, Regressão, Clusterização.
  • Processamento de Linguagem Natural (NLP)
  • Modelos de Linguagem de Grande Escala (LLMs)
  • Redes Profundas (Deep Learning) utilizando frameworks como TensorFlow e PyTorch.

Projetos

Desenvolvimento de um Painel Gerencial para Marketplace de Restaurantes com o Stremlit

Nesse projeto desenvolvemos um painel gerencial com as principais métricas de uma empresa marketplace de restaurantes. Para isso foi necessario uma manipulação nos dados utilizando o Python, junto com ferramentas de desenvolvimento web como o Streamlit e Github.

O resultado final do projeto foi um painel hospedado em um ambiente Cloud e disponibilizado através de um link. O painel pode ser acessado por qualquer dispositivo com acesso a internet.

As ferramentas utilizadas foram:

  • Python
  • Terminal
  • Streamlit
  • Streamlit Cloud
  • Github

Análise de Dados e denvolvimento de um Dashboard para a Olist, que é a maior loja de departamentos dos marketplaces do Brasil

Projeto que tem como objetivo utilizar relatorios com consultas SQL e dashboards para responder perguntas feitas pelo CEO da empresa. Para isso os conceitos de linguagem SQL, processo de ETL com o Power Bi e ferramentas de desenvolvimento web como o Github, foram fundamentais para realização do projeto.

As ferramentas utilizadas foram:

  • MySQL
  • DBeaver
  • Power BI
  • Github

Previsão de Vendas Drogarias Rossmann.

O objetivo deste projeto é simular um problema de negócio da vida real e buscar a solução utilizando modelos de Machine Learning. O problema proposto é construir um modelo de previsão de vendas com visibilidade de seis semanas de um grupo de lojas da rede de drograrias Rossmann utilizando dados públicos do Kaggle

As ferramentas utilizadas foram:

  • Git, Github.
  • Python (Numpy, Pandas, Matplotlib, Seaborn, Sklearn e Flask).
  • Jupyter Notebook.
  • Linear Regression, Lasso, Randon Forest Regressor e XGBoost Regressor.

Previsão de Churn para uma Operadora de Telecomunicações

Projeto que tem como objetivo desenvolver um APP Web que facilite na identificação de clientes que teriam uma maior chance de deixar a Novexus, tornando assim todo o processo mais ágil e eficiente.

As ferramentas utilizadas foram:

  • Python (Numpy, Pandas, Matplotlib, Seaborn, Sklearn).
  • upyter Notebook.
  • Streamlit
  • Git/Github
  • Streamlit Cloud

Segmentação de Clientes para um E-commerce

Projeto que tem como objetivo segmentar os clientes por meio da análise RFM (Recency, Frequency, Monetary) para proporcionar estratégias de marketing mais direcionadas e eficazes, com o objetivo de fortalecer relacionamento com o cliente e otimizar o valor para o negócio.

As ferramentas utilizadas foram:

  • Python (Numpy, Pandas, Matplotlib, Seaborn, Sklearn).
  • upyter Notebook.
  • Git/Github

Contato

Sinta-se à vontade para entrar em contato.