Análise exploratória, machine learning e visualização de dados aplicados a problemas reais — do zero ao modelo em produção.
Projetos construídos com dados reais, decisões justificadas e código documentado.
Análise exploratória completa com Pandas, feature engineering (FamilySize, Deck, Title) e modelo Random Forest com 83% de acurácia. EDA profunda com distinção entre probabilidade e representatividade.
Regressão com Ridge aplicada a 79 variáveis. Pipeline completo: tratamento semântico de nulos, feature engineering (TotalArea, TotalBath, HouseAge), encoding, diagnóstico de resíduos e análise de coeficientes. RMSE de $24.588 — ~15% da mediana do dataset.
Classificação binária com severo desbalanceamento de classes (0.17% fraudes). Pipeline completo: PCA analysis, feature engineering (Time→Hour, Amount→log), comparação de estratégias (class_weight vs SMOTE) e decisão de threshold guiada por regra de negócio.
Sou Abilio Fernandes, profissional em transição para Data Science com foco em resolver problemas reais — não em decorar funções.
Minha abordagem parte do entendimento profundo dos dados antes de qualquer modelo: limpeza criteriosa, análise exploratória honesta, e decisões sempre justificadas.
Tenho especial atenção à integridade dos dados — nunca apresento uma taxa sem o volume que a sustenta, nunca confundo correlação com causalidade.
Disponível para projetos, oportunidades e colaborações em Data Science e IA.
abilio@abilioai.com.br