Projetos

Uma seleção de projetos de Machine Learning end-to-end, da análise exploratória ao deploy em produção, com integração real a ferramentas de negócio.

Dashboard de resultado do teste A/B de retenção

Churn + A/B Testing + Uplift Modeling

Pipeline de retenção de 3 camadas: churn prediction, teste A/B e uplift modeling.

  • ROC-AUC 0,776 no teste de churn
  • ROI de 51,7% por ciclo, validado com A/B (p=0,008)
XGBoost A/B Testing Uplift (T-Learner) Explicabilidade (SHAP)

Atualizado em set/2026

Dashboard executivo de segmentação de clientes

Customer Value Segmentation

Pipeline end-to-end de segmentação de clientes com deploy em AWS.

  • 35 clientes VIP identificados (24% da receita)
  • Deploy completo em AWS (EC2, S3, RDS)
KMeans AWS (EC2/S3/RDS) Metabase

Atualizado em mai/2026

Bot no Telegram consultando previsão de vendas Rossmann

Rossmann Sales Forecast

Previsão de vendas com XGBoost e Optuna, consultável em tempo real.

  • Previsão para mais de 1.000 lojas
  • API em produção com bot no Telegram
XGBoost Optuna Telegram Bot

Atualizado em dez/2025

Curva de gain e lift do modelo de ranking de cross-sell

Health Insurance Cross-Sell Ranking

Modelo de ranking para priorização comercial em cross-sell de seguros.

  • Ranking de propensão para priorização comercial
  • Deploy via API com integração ao Google Sheets
Learning to Rank Google Sheets API

Atualizado em jan/2026

Painel de pedidos diários do marketplace de delivery

Marketplace Delivery Dashboard

Painel gerencial interativo para monitoramento de KPIs operacionais.

  • KPIs operacionais de delivery em tempo real
  • Painel interativo publicado no Metabase
Streamlit Metabase

Atualizado em jun/2025

Mapa geográfico de restaurantes cadastrados no Zomato

Global Restaurant Analytics

Dashboard interativo com análise global de restaurantes Zomato.

  • Mais de 6.900 restaurantes mapeados globalmente
  • Segmentação por país, cidade e tipo de culinária
Streamlit Geoanálise

Atualizado em jul/2025

Tabela comparativa de métricas de classificação

Machine Learning Models Evaluation

Estudo comparativo de algoritmos de classificação, regressão e clusterização.

  • Comparação entre 4+ algoritmos por tipo de problema
  • Análise de métricas e trade-offs entre modelos
Scikit-learn Benchmarking

Atualizado em nov/2025