Sobre mim

Meu nome é José Eduardo Ferreira.

Sou formado em engenharia mecânica, trabalhei 4 anos em uma multinacional espanhola em importantes projetos do setor elétrico e tive uma curta passagem pela L'Oréal.

Atualmente sou entusiasta da tecnologia e estudante do programa de MBA em Data Science e Analytics da Universidade de São Paulo - USP/Esalq.

Estou buscando uma oportunidade de trabalhar profissionalmente como Cientista de Dados para melhorar a tomada de decisão da empresa, através da construção de soluções usando dados.

Habilidades

Linguagens de Programação

  • Python com foco em análise de dados.

Estatística e Machine Learning

  • Algoritmos de Regressão, Classificação, Clusterização e "learn to rank".

    • Visualização de Dados

  • Matplotlib, Seaborn e Plotly.
  • Power Bi.

    • Engenharia de Software

  • Git, Github e Gitlab.

    • Experiências Profissionais

    Projetos completos de Ciência de Dados

    Construção de soluções de dados para problemas de negócio, próximos dos desafios reais das empresas, utilizando dados públicos de competições de Ciência de Dados, onde eu abordei o problema desde a concepção do desafio de negócio até a publicação do algoritmo treinado em produção, utilizando ferramentas de Cloud Computing.

    4+ anos como Analista / Assistente Técnico

    Atuando na área de projetos (estratégicos e técnicos) e planejamento de obras para construção de linha de transmissão e subestação.
    Planejamento da manutenção de equipamentos.
    Elaboração, acompanhamento e manutenção de KPI's importantes para o negócio.

    Projetos em Ciência de Dados

    Construção de um programa de fidelidade com clusterização de clientes.

    Eu usei Python, Estatística e técnicas não-supervisionadas de Machine Learning para segmentar um grupo de clientes com base em suas características de performance de compra, a fim de selecionar grupos de clientes para formar um programa de Fidelidade com o objetivo de aumentar a receita da empresa. E o resultado dessa solução, caso fosse implementada, seria de R$ 15MM de dólares de receita anual.

    As ferramentas utilizadas foram:

    • Git, Gitlab e Github.
    • Python, Pandas, Matplotlib e Seaborn.
    • Jupyter Notebook.
    • K-Means, Hierarquical Clustering, DBScan.
    • AWS Cloud (EC2, S3, Postgres e SQLite).
    • Metabase Visualization.

    Contato

    Sinta-se á vontade para entrar em contato: