Projetos.

Cada projeto segue a mesma lógica: problema real → método rigoroso → resultado medido. Código aberto, reprodutível e documentado.

Em destaque

Previsão de atraso de entrega no e-commerce (Olist)

ML em produção

Prever, no momento da compra, a probabilidade de um pedido atrasar — e transformar essa probabilidade em uma política operacional de notificação proativa. 96 mil pedidos reais (2016–2018).

Features anti-vazamento com contrato executável em testes (pytest), split temporal com teste tocado uma única vez, métricas em contagens de negócio e app interativo para simular cenários.

2,2× a precisão do acaso nos alertas
36% dos atrasos capturados notificando só 16% dos pedidos
Robustez validada em 6 meses com choques reais (greve dos caminhoneiros)

Python · scikit-learn · LightGBM · pytest · Streamlit

Repositório App interativo

Classificação hierárquica de imagens de produtos

Deep learning

Categorizar produtos de e-commerce em uma taxonomia de 3 níveis a partir da imagem — problema central em cadastro de catálogo, matching e precificação.

Experimento controlado entre duas arquiteturas (flat + taxonomia vs. multi-head multi-task) com ConvNeXt-Tiny (fastai + timm): mesma seed, mesmo split, diff de config como definição do experimento.

90,1% de acurácia no nível fino (143 classes)
100% de consistência hierárquica por construção
Modelo publicado no Hugging Face

fastai · timm · PyTorch · GitHub Actions · Hugging Face

Repositório

Estatística e fundamentos

House Prices — OLS com diagnósticos estatísticos

Inferência

Modelagem explicativa de preços de imóveis com foco em interpretação econômica e verificação formal das premissas — o oposto proposital da caixa-preta.

R² ajustado de 0,767 com todos os coeficientes a p < 0,001
Diagnósticos formais: Breusch–Pagan, VIF e QQ-plot

statsmodels · pandas · scipy

Repositório

Titanic — fundamentos de classificação

Fundamentos

Estudo iterativo do desafio clássico do Kaggle: cada decisão de pré-processamento e feature engineering medida contra o estágio anterior, do baseline ao tuning.

Score de ≈ 0,80 no leaderboard público
5 modelos comparados com GridSearchCV

scikit-learn · pandas · ydata-profiling

Repositório

Pesquisa

Análise topológica de dados — câncer de mama (METABRIC)

Em modernização

Iniciação científica (ICMC-USP): homologia persistente, curvas de Betti e distâncias de Wasserstein para caracterizar e agrupar perfis clínicos do estudo METABRIC (Nature 2012 & Nat. Commun. 2016).

O código original da pesquisa está passando por reestruturação completa — organização, documentação e reprodutibilidade — antes da publicação em formato de projeto.

GUDHI · TDA · Python

Repositório

Precificação dinâmica com ML e identificação causal

Em desenvolvimento

TCC do MBA em Data Science e Analytics (ESALQ-USP): modelagem de demanda via redes neurais integrada à otimização não-linear de preços, com identificação causal via variáveis instrumentais e monitoramento de distribuição em produção (PSI).

A pesquisa está em fase final; uma versão pública do repositório será disponibilizada após a conclusão e a devida anonimização dos dados.

Redes neurais · otimização não-linear · variáveis instrumentais · PSI · Python