Olá!

Bem-vindo ao meu portfólio de Ciência de Dados
Nesta página falo um pouco sobre mim, mostro minhas habilidades resolvendo problemas de negócios usando conceitos e ferramentas de Ciência de Dados, através de projetos utilizando dados públicos
Sinta-se à vontade para entrar em contato pelos links no final da página.

Sobre mim

Meu nome é Evaldo Galdino, sou estudante da Cesar School, em Recife-PE
Atualmente, faço parte do grupo de estudo de visão computacional, onde aprendo e desenvolvo algoritmos de compreensão e processamento de imagens e também estou envolvido com a Comunidade DS, onde aprendo sobre Ciência de Dados
Estou em busca de uma oportunidade para estagiar e, posteriormente, trabalhar como Cientista de Dados para ajudar a melhorar a tomada de decisões através da construção de soluções utilizando dados.

Projetos

Pessoais

Algumas das minhas experiências com Ciência de Dados e Deep Learning

Previsão de Doença Renal

Um estudo utilizando um banco de dados de doenças renais e usando modelos de classificação para prever doenças renais, utilizando principalmente medidas corporais.

Estimativa de Receita de Viagens de Bicicleta

Uma análise do banco de dados de viagens de bicicleta da metro-bike em LA, este painel é para um investidor interessado em abrir uma empresa de aluguel de bicicletas.

Acadêmicos

Projetos que fiz durante a minha graduação na Cesar School

Prisme

Uma solução para ongs poderem ter uma melhor visão sobre os seus dados, esse site faz dashboards automáticos e permite que você adicione dados a ele, tanto para controle de caixa, como para controle de projetos.
Feito em Django e gráficos feitos com Matplotlib e Seaborn

Kolekto

O Kolekto é um site de e-commerce feito para colecionadores, com intuito de ter uma ‘interface’ bem amigável.
Feito usando django

Habilidades

Aqui estão algumas habilidades que desenvolvi nos projetos que realizei durante a faculdade e em cursos online.

    Linguagens de Programação e Banco de Dados

  • Python focado em análise de dados
  • SQL para extração de dados
  • Bancos de Dados: SQlite, Postgres, MySQL

    Estatística e Aprendizado de Máquina

  • Estatísticas descritivas
  • Algoritmos de Regressão e Classificação
  • Redes neurais convolucionais: Sequenciais, Competitivas, GenAI
  • Técnicas de balanceamento de dados, seleção de atributos e redução de dimensionalidade
  • Métricas de desempenho de algoritmos: RMSE, MAR, MAPE, Matriz de Confusão, Precisão, Acurácia, Curva ROC, AUC
  • Bibliotecas de Machine Learning: Sklearn e Scipy
  • Bibliotecas de Deep Learning: Tensorflow e Pytorch

    Visualização de Dados

  • Matplotlib, Seaborn e Plotly
  • Power BI e Looker

    Engenharia de Software

  • Python para Web: Streamlit, Django, FastAPI
  • Git e Github
  • Ambiente Virtual e Docker
  • Amazon AWS

Contate-me