Sou Data Engineer com forte atuação em Analytics Engineering, especializado em estruturar plataformas de dados críticas para o negócio, conectando decisões estratégicas a dados confiáveis e bem modelados. Minha principal força está na interface entre negócio e dados. Trabalho próximo a stakeholders para entender profundamente os problemas operacionais, traduzindo necessidades estratégicas em modelagens claras e pipelines robustos que sustentam análises, produto e decisões em larga escala. Tenho experiência prática na construção e evolução de plataformas modernas de dados, atuando em domínios como marketing, logística e dados financeiros, sempre com foco em governança, rastreabilidade e impacto direto na tomada de decisão.
Olá pessoa (ou 🤖) 👋;
Atualmente sou Senior Data Engineer no iFood. Trabalho com pySpark, em ambiente Databricks + Airflow + Python, implementando Data Vault 2.0.
📈 Trabalhei em um projeto de Ciência de dados sobre COVID-19. O objtivo é prever a chance de óbito de pacientes com COVID-19 no estado do Rio Grande do Sul (Brasil).
🔥 Tópicos de interesse: Possuo interesse nas áreas de Engenharia de Dados, Ciência de Dados e Aprendizagem de Máquina com Python (scikit-learn, numpy, matplotlib, pandas); Desenvolvimento de Jogos Digitais (Unity); e Segurança da Informação.
✔️ Sinta-se a vontade para me seguir para ver alguns projetos de Data Engineering e Data Science ou para mandar uma mensagem para conversarmos sobre tópicos aleatórios;
Esse é um projeto de data engineering utilizando arquitetura medallion com databricks. Aqui focamos em aplicar conceitos de Delta Lake House, aquisição, limpeza e modelagem de dados.
-
🛒 Project Supermarket sales: O conjunto de dados é um registros histórico de vendas de uma empresa de supermercados (ficticio), que foi registrado em 3 filiais diferentes ao longo de 3 meses em 2019. Projeto simples onde a camada silver contém apenas 1 tabela.
-
🚛 Project Ecommerce olist: Projeto mais robusto que permite análises mais elaboradas sobre os dados. Este é um conjunto de dados públicos de comércio eletrônico brasileiro das compras feitas na loja Olist. O conjunto de dados contém informações de 100 mil pedidos de 2016 a 2018 feitos em vários marketplaces no Brasil. Suas características permitem visualizar um pedido em várias dimensões: desde o status do pedido, preço, pagamento e desempenho de frete até a localização do cliente, atributos do produto e, finalmente, avaliações escritas pelos clientes. Também disponibilizamos um conjunto de dados de geolocalização que relaciona os códigos postais brasileiros às coordenadas lat/long.
🚧 O repositório: Não clicke aqui 
Titanic: Machine Leaning from Disaster 🚢
- Exploração do 'Hello World' de Data Science:
- Visualização de correlações entre:
- Sexo e probabilidade de viver;
- Idade e probabilidade de viver;
- Local de embarque e probabilidade de viver;
- Modelo preditivo sobre "teria vivivo ou não ao desastre?".
- Visualização de correlações entre:
- Análise sobre os preços das residências dos EUA;
- Compração dos preços das residências em cidades normais vs preços das residências em cidades universitárias;
- Validação da hipotese sobre as cidades universitárias terem os preços menos afetados utilizando um Teste T de Student.
Recordes Metereológicos de 2005 a 2014 quebrados em 2015 - Região de Ann Arbor, Michigan ☀️ 🌡️ ❄️
- Análise temporal sobre as temperaturas e recordes de temperatura no período de 2005 a 2014 em Ann Arbor, Michigan.
- Visualização dos recordes metereológicos deste período, que foram quebrados no ano de 2015, também nessa região.
- Utilização do matplotlib
- Análise exploratória utilizando PyData Stack
- Visualização dos picos de horários onde mais ocorreram ligações de emergência, sendo de tráfego, saúde ou incêndio.
- Utilização do Seaborn
- Análise exploratória com PyData Stack
- Implementação de um modelo de Machine Learning (LinearRegression) com o sklearn
- Extração de dados da Wikipedia
- Análise exploratória com PyData Stack
- Visualização dos títulos expressivos ganhos no Sul, Brasil e América
- Títulos totais e contatem por título
- Utilização do Seaborn
- INTER É O MAIOR DO SUL PAI. É US GURI
Análise dos dados do Airbnb Boston, Massachusetts
- Análise sobre distribuição dos preços
- Detecção de outliers
- Locais mais caros