Sanice ·

Fluent Python Wrapper for Data Science Acceleration Toolkit disponível no PyPI (pip install sanice), projetado para acelerar o fluxo de trabalho de ponta a ponta (ETL ➡️ AutoML ➡️ Deploy).

• Propósito: Abstrai a complexidade do Pandas, Scikit-Learn e FastAPI em uma interface fluente (Method Chaining). Permite limpar dados, treinar modelos e subir APIs em minutos, focando na lógica de negócio em vez da sintaxe.
• Diferencial: Arquitetura encapsulada com suporte nativo a comandos multilíngues (PT, EN, ZH, HI) e CLI integrada para verificação rápida (sanice ajuda | sanice help).
• Documentação aprofundada: disponível no livro que escrevi ensinando a biblioteca do zero ao avançado.

Leblanc ·

Synthetic Data Generator for Business Contexts Biblioteca Python open-source disponível no PyPI (pip install leblanc), desenvolvida para agilizar a etapa de coleta de dados em projetos.

• Propósito: Elimina o boilerplate de criar geradores manuais com Faker, entregando datasets estruturados e coerentes para contextos de negócio (Varejo, Agro, Finanças).
• Tech: Abstração de alto nível construída sobre Pandas e NumPy para performance na geração de grandes volumes de dados.

Generative-Catalog-Engine

NLP-Driven Product Generation & Automation Engine capaz de "criar" produtos estruturados a partir de inputs de linguagem natural, replicando o conceito de Generative Commerce para criação de catálogos just-in-time.

• Tech: Orquestração de LLMs com Python, convertendo prompts semânticos em objetos JSON validados para integração com backends de e-commerce.

Plant-AI (Em desenvolvimento)

Diagnóstico de Doenças em Plantas Visão Computacional com Deep Learning para identificar doenças em plantas através de imagens, com acurácia superior a 90%, visando agricultura de precisão.

CSIRO Biomass Prediction (Deep Learning)

Computer Vision & Transfer Learning Strategy Pipeline completo de Deep Learning para prever biomassa a partir de imagens aéreas (Kaggle), atingindo score competitivo (0.40):

• Data Engineering: Transformação "long-to-wide" com Pandas para estruturar o dataset de treino.
• Modeling: Arquitetura TensorFlow/Keras baseada na EfficientNetB0, com Transfer Learning em duas fases (Feature Extraction + Fine-Tuning progressivo).
• Deployment: Protótipo em Streamlit com conceito "Multi-Input" (Imagem + Metadados como NDVI).

Análise de E-commerce (Python)

Data Analytics & Business Intelligence

• Data Engineering: Dataset sintético gerado com Leblanc e processado com Pandas.
• EDA & Visualization: Análise exploratória com Matplotlib e Seaborn para sazonalidade e curva ABC.
• Business Value: Mapeamento de expansão logística (PR/CE) e otimização de estoque, consolidado em relatório executivo.

Universal Churn Prediction Pipeline

Automated ML Pipeline & Business Analytics

• Modeling: Random Forest para padrões de comportamento de risco.
• Smart Pipeline: Detecção automática da estrutura do dataset e adaptação do pré-processamento (ETL).
• Business Value: Diagnóstico visual dos fatores financeiros que mais causam prejuízo.

Adaptive Image Classification (IALM)

Imbalanced Adversarial Learning Classificação de imagens com TensorFlow/Keras, tratando datasets desbalanceados com técnicas de aprendizado adversarial (IALM).

ETL Vendas Varejo & Dashboard

Automated Data Pipeline (Python ➡️ Google Sheets)

• Back-end (ETL): Extração e tratamento de dados com Pandas, carga na nuvem via Google Sheets API (gspread).
• Front-end (Analytics): Dashboard interativo com QUERY, SUMIFS para KPIs (Faturamento, Ticket Médio) com filtros dinâmicos.

QuemCarrega.lol

League of Legends Meta Analyzer & Dashboard

• ETL & Ingestion: Web Scraping e engenharia reversa de APIs (requests) para dados em tempo real.
• Processing: Limpeza e agregação de JSONs aninhados com Pandas, integração com Riot Games Data Dragon.
• Frontend: Dashboard em Streamlit.
• Infra: Deploy containerizado na Railway com Cloudflare (CDN/SSL).