“A ignorância mais frequentemente gera confiança do que o conhecimento: são os que sabem pouco, e não os que sabem muito, que afirmam de uma forma tão categórica que este ou aquele problema nunca será resolvido pela ciência.”

Charles Darwin, livro A Descendência do Homem e Seleção em Relação ao Sexo

Olá, Eu sou André Moreira!
Data Scientist |

Sobre

Gerando insights valiosos e ajudando a impulsionar o sucesso dos negócios por meio dos dados.

Cientista de Dados Industrial altamente motivado, apaixonado por ciência e aprendizado. Possuo forte senso analítico, facilidade de aprendizado e gosto de trabalhar de forma colaborativa em equipes multidisciplinares, estabelecendo interfaces eficazes com outros setores.

Sou graduado em Ciência de Dados pela Universidade Estácio de Sá e pós-graduado em Analytics e Inteligência Artificial pelo LabData FIA. Estou preparado para enfrentar desafios complexos e aplicar minhas habilidades analíticas para resolver problemas de negócio, explorando dados, investigando padrões e gerando insights valiosos que impulsionam o sucesso organizacional.

Atuo como redator no Podcast Intervalo de Confiança, que aborda temas relacionados à Ciência, Ciência de Dados e Inteligência Artificial.

Com mais de 10 anos de experiência como Analista Preditivo, sou certificado internacionalmente como Analista de Vibrações CAT-II (conforme ISO 18436.2) e Analista de Lubrificantes de Máquinas I (conforme ISO 18436.4). Tenho sólida experiência em analisar e interpretar o comportamento dinâmico de máquinas rotativas, utilizando técnicas de análise de vibrações, termografia, análise de lubrificantes, ultrassom e ensaios elétricos por MCA/MCE. Realizei diversos cursos em Técnicas de Manutenção Preditiva e ofereci suporte direto à Gerência de Manutenção na tomada de decisões sobre intervenções programadas, baseando-me em laudos preditivos.

Possuo conhecimentos abrangentes em equipamentos industriais dos segmentos de mineração, cimenteira e siderurgia.

Casado, Mineiro, natural de Pedro Leopoldo (moro em Congonhas), Atleticano e Headbanger inveterados. Adoro estar na presença da minha família e amigos. Correr, cozinhar, estar em contato com a natureza (cachoeiras e montanhas), viajar, ler, escrever, assistir séries, filmes e documentários são meus passatempos favoritos. Às vezes jogo videogame quando sobra algum tempo. Apoiador contumaz da divulgação científica.

Stacks para Ciência de Dados

Python

R Studio

SQL

Databricks

Pyspark

Educação & Experiência

Pós-graduação em Analytics e Inteligência Artificial - LabData FIA

● Análise Exploratória de Dados
● Inferência Estatística
● Teste de Hipótese
● Regressão Linear
● Regressão Logística
● Estudo de Caso
● Tópicos de Modelagem
● Análise de Cluster
● Análise de Rede Social
● Análise de Séries Temporais
● Credit Scoring
● Otimização
● Introdução a Banco de Dados
● Big Data
● Ética em Modelagem
● Introdução ao Python
● Introdução ao Machine Learning
● Manipulação de Base de Modelagem
● Aprendizagem Supervisionada – Classificação
● Tópicos de Modelagem e Métricas de Regressão
● Tópicos de Modelagem e Métricas de Clusterização
● Auto Machine Learning
● Análise de Estimativa de Modelo de ML
● Introdução ao Databricks
● Processamento de Dados com PySpark no Databricks
● Machine Learning com PySpark no Databricks
● Introdução ao Deep Learning e Redes Neurais
● Redes Neurais Densas
● Introdução a Processamento de Imagens e Redes Neurais Convolucionais
● Redes Neurais Convolucionais
● Redes Neurais Recorrentes Simples
● Redes Neurais Recorrentes LSTM
● Inteligência Artificial Generativa
● Aplicações de Analytics e Inteligência Artificial para Tomada de Decisões
● Aplicações de Business Intelligence para Tomada de Decisões

Tecnólogo em Ciência de Dados - Estácio

● Fundamentos da Estatística
● Matemática Computacional
● Estatística Experimental e Amostragem
● Séries Temporais
● Análise de Dados
● Modelagem de Dados
● Arquitetura de Sistemas de Banco de Dados
● Implementação de Banco de Dados
● Big Data
● Banco de Dados NOSQL
● Arquitetura de Data Warehouse
● Introdução à Programação
● Programação I
● Programação RAD - Python
● Machine Learning
● Análise Multivariada e Clustering
● Inteligência Artificial

Cientista de Dados - MHD Inteligência Artificial

Cientista de Dados responsável por transformar dados brutos de fontes diversificadas em insights e predições que otimizam processos produtivos e elevam a eficiência operacional. Atuo de forma decisiva em projetos de ponta a ponta que envolvem Inteligência Artificial, incluindo Machine Learning e Redes Neurais Artificiais, gerenciando todas as etapas do processo com foco na otimização da produção em indústrias siderúrgicas, de mineração, cimenteiras e de tecnologia.

Ferramentas e Stacks:

● Linguagens de Programação: Python, R, SQL
● Manipulação de Dados: Pandas, NumPy, SciPy
● Estatística: Statsmodels
● Machine Learning: Scikit-learn, Pycaret, TensorFlow, Keras
● Visualização de Dados: Matplotlib, Seaborn, Ggplot2, Tableau, Power BI, Seaborn, Plotly
● Big Data Technologies: Databricks, PySpark, Apache Spark, Hadoop
● Bancos de Dados: MySQL, PostgreSQL, MongoDB
● Ferramentas de Versionamento: Git
● Ambientes de Desenvolvimento: Jupyter Notebook, RStudio

Analista Preditiva Pleno - Vale | VSB | Easyvix | MGS

● Coletas vibracionais em equipamentos rotativos (Britagem e Usina de Beneficiamento)
● Alinhamento de eixos a laser
● Análise de vibração de equipamentos (baixa, média e alta complexidade)
● Instalação de sistemas de monitoramento online
● Ministração de treinamentos internos
● Cadastro de dados técnicos no software SKF @ptitude
● Parametrização e otimização de banco de dados
● Inspeções termográficas (Mecânica e Elétrica)
● Coleta e análise de óleo dos ativos
● Análise de falha em rolamentos
● Ensaios por ultrassom em eixos, correias e tambores
● Ensaios por LP (Líquido Penetrante)
● Inspeção boroscópica em caixas de engrenagens e bombas
● Confecção de relatórios condicionais dos ativos monitorados
● Captação de novas técnicas/tecnologias preditivas
● Abertura de notas de manutenção
● Gestão do backlog de manutenção
● Acompanhamento de intervenções quando solicitado

Habilidades

Como Cientista de Dados, estou sempre à procura de melhorar minhas habilidades técnicas. Constantemente, faço cursos e pratico em projetos práticos. Acredito que o conhecimento teórico aliado à prática são premissas fundamentais para se tornar um profissional de Dados. O aprendizado contínuo é a chave para atingir a excelência.

Análise Exploratória Dados
Utilização de técnicas estatísticas e visualização de dados para entender padrões e tendências. Ferramentas: Python (Seaborn, Matplotlib, Statsmodels, Ydata_profiling), RStudio (Psych, ggplot2)
0 %
Preparação dos Dados
Consulta, limpeza e transformação de dados para garantir qualidade e consistência. Ferramentas: Python (Pandas, Numpy), RStudio (Dplyr), SQL (MySQL, Postgres), Big Data (Databricks, PySpark).
0 %
Modelagem Estatística Tradicional
Aplicação de modelos estatísticos tradicionais para a análise de dados complexos. Técnicas: Regressão Linear, Logística, Análise de Séries Temporais, Clusterização, Análise de Redes Sociais.
0 %
Machine Learning - Aprendizagem Supervisionada (Regressão e Classificação)
Implementação de modelos de regressão e classificação. Técnicas: Linear Regression, Support Vector Machine, Decision Tree, Random Forest, Gradient Boosting, entre outros. Ferramentas: Python (Scikit-learn, PyCaret).
0 %
Machine Learning - Aprendizagem Supervisionada (Séries Temporais)
Aplicaçã o de modelos específicos para previsão em séries temporais. Técnicas: ARIMA, SARIMA, AutoARIMA. Ferramentas: Python (Scikit-learn, PyCaret).
0 %
Machine Learning - Aprendizagem Não Supervisionada
Utilização de técnicas de clustering para identificar padrões em dados não rotulados. Técnicas: K-Means, Density-Based Spatial Clustering, KNN. Ferramentas: Python (Scikit-learn, PyCaret).
0 %
Métodos de Validação e Avaliação
Avaliação robusta de modelos usando métodos de validação cruzada e interpretação de métricas de desempenho. Métricas: R², MAE, MSE, RMSE, RMSLE, MAPE (regressão), Acurácia, AUC, Recall, Precision, F1-score (classificação). Ferramentas: Python (Scikit-learn, PyCaret).
0 %
Deep Learning
Implementação de modelos usando Redes Neurais Artificiais para a resolução de problemas complexos. Técnicas: Redes Densas, Redes Convolucionais e Redes Recorrentes. Ferramentas: Python (Keras).
0 %
Otimização de Modelos
Ajuste de hiperparâmetros para maximizar a performance dos modelos. Técnicas: Random Search, Grid Search. Ferramentas: Python (Scikit-learn, PyCaret).
0 %

Portfólio

pexels-shkrabaanthony-5816291

Avaliação de Risco de Crédito - Github (clique para ver)

O trabalho visa prever e avaliar o risco de empréstimos para clientes Pessoa Física de uma instituição financeira. Utilizando dados históricos transacionais, serão aplicados modelos estatísticos e algoritmos de Inteligência Artificial para identificar as características mais relevantes que influenciam a decisão de concessão de empréstimos. Com essas informações, a empresa poderá desenvolver estratégias financeiras, criar políticas de empréstimos e implementar ações preventivas, visando reduzir proativamente a taxa de inadimplência.

disco

Predição Tamanho Pelotas - Github (clique para ver)

O objetivo deste projeto é prever o tamanho das pelotas (pellet feed) ao final do processo produtivo em uma indústria siderúrgica global. A predição será baseada em dados históricos coletados por sensores que monitoram cada etapa do processo, utilizando modelos estatísticos e algoritmos de Inteligência Artificial para identificar tendências e padrões. Essa abordagem permitirá estimar com precisão o tamanho das pelotas ao final da produção.

pexels-lum3n-44775-167698

Criação de Cenários com IA Generativa - Github (clique para ver)

O objetivo deste projeto é desenvolver uma inteligência artificial generativa capaz de criar imagens de paisagens, especificamente florestas. Para isso, serão utilizadas técnicas avançadas de Inteligência Artificial, como Deep Convolutional GANs, DCGAN e Self Attention GANs. O modelo será treinado para gerar novas imagens de paisagens com base em padrões aprendidos a partir de um conjunto de dados, permitindo a criação de representações visuais originais e realistas.

Contatos

Whatsapp (clique para entrar em contato)

Email (clique para entrar em contato)

LinkedIn (clique para ver)

Github (clique para ver)

© 2023 Created with Royal Elementor Addons
Facebook-f Twitter Tumblr Instagram