Meu laboratório de estudos, experimentação e desenvolvimento de projetos em Ciência de Dados.
Este repositório documenta minha evolução técnica, desde os fundamentos de programação e análise de dados até a construção de soluções utilizando estatística, Machine Learning e engenharia de dados.
Desenvolver autonomia para investigar problemas, trabalhar com dados reais, construir modelos analíticos e comunicar resultados de maneira clara.
O foco não é apenas aprender ferramentas, mas compreender os problemas e desenvolver soluções próprias.
Principais áreas de estudo:
- Python: pandas, NumPy e Jupyter
- SQL: consultas, modelagem e análise de dados
- Estatística: análise exploratória, distribuições e inferência
- Machine Learning: classificação, regressão e avaliação de modelos
Tecnologias complementares:
- R
- Git e GitHub
- Power BI
- Ferramentas de engenharia de dados
| Projeto | Objetivo | Status |
|---|---|---|
| Fraud Analytics | Investigar padrões e possíveis fraudes em transações financeiras | 🟡 Em desenvolvimento |
| Customer Intelligence | Analisar comportamento e segmentação de clientes | ⚪ Planejado |
| Data Engineering Lab | Construir processos de coleta, transformação e organização de dados | ⚪ Planejado |
| Demand Forecasting | Desenvolver modelos de previsão de demanda | ⚪ Planejado |
Cada projeto será desenvolvido em etapas:
- Definição do problema
- Coleta e compreensão dos dados
- Limpeza e tratamento
- Análise exploratória
- Investigação estatística
- Modelagem, quando aplicável
- Avaliação dos resultados
- Documentação e conclusões
Os projetos utilizarão dados públicos, sintéticos ou devidamente autorizados.
Este repositório está em desenvolvimento contínuo.
Os commits registrarão a evolução dos estudos, as decisões técnicas, os experimentos e as melhorias realizadas ao longo do aprendizado.
GitHub: jouborges