
Gestão em Logística pelo Centro UniversitárioUniFBV (2011 - 2013)
Bacharelado em Ciências Econômicas pelaUFRPE (2014 - 2018)
Mestre emBiometria e Estatística Aplicada da UFRPE (2021 - 2023)
Doutorando emBiometria e Estatística Aplicada da UFRPE (2023 - 2027)
Projeto PIBIC pela FACEPE com o tema "Criminalidade e desempenho econômico: Uma análise em séries temporais para a Região Metropolitana do Recife" que também foi o tema da dissertação de conclusão da graduação;
Artigo apresentado e premiado emsegundo lugar na categoria Desenvolvimento Regional doVII Encontro Pernambucano de Economia, no ano de 2018. Esse artigo pode ser consultadoaqui e a página do evento com as premiaçõesaqui;
ArtigoTrend analysis in standardized precipitation index in Recife–PE publicado na revistaResearch, Society and Development, que pode ser consultadoaqui.
ArtigoSpace-Time Variability of Drought Characteristics in Pernambuco, Brazil publicado na revistaWater/MDPI, que pode ser consultado aqui.
na linguagem de programaçãoPython para Análise e tratamento de dados(Pandas eNumpy), Visualização de dados(Matplotlib eSeaborn),Aplicação de modelos deMachine Learning (Regressão, Classificação, Agrupamento e Regras de associação) com aScikit-Learn,Deep Learning para classificação e regressão(Keras) eAuto Machine Learning(TPOT,MLBox,PyCaret,AutoViz eAuto-Sklearn). Série temporais com métodos univariados (Suavização exponencial e abordagemBox-Jenkins), Multivariados (VAR e VECM) com a bibliotecaStatsmodels, Redes Neurais (Recorrentes e Convolucionais),PMDARIMA (AutoARIMA),Facebook Prophet, Neural Prophet, Multi Prophet, Darts, AutoTS,PyAF e AutoPy. Finanças com asbibliotecas PyPortfolioOpt e Fundamental Analysis. Cálculo de índices climatológicos para identificação e análise de seca (SPI, SPEI, etc.) com a bibliotecaclimate indices. Análise de tendência de séries temporais com a bibliotecapymannkendall.
Na linguagemR para2.1) Pré-processamento, tratamento, análise (Tidyverse);2.2) Visualização (ggplot2);2.3) Apresentação de dados (Rmarkdown eXaringan). Análise, decomposição e previsão de séries temporais (ModelTimes);2.4) Cálculo de índices climatológicos padronizados para identificação, monitoramento e análise de seca (SPI, SPEI, etc.) com o pacoteSPEI;2.5) Análise de tendência em séries temporais com os pacotesKendall (teste de tendênciaMann-Kendall) etrend (teste deSen para análise de inclinação de tendência e teste dePettit para identificação de pontos de mudança em séries temporais);2.6) Criação de gráfico de mapas (GeoBR esf);2.6) Análise da distribuição espacial de variáveis climáticas (precipitação, seca, etc.) por meio do método determinístico de interpolação espacial IDW (Inverse Distance Weighted) com os pacotesgstat eraster.
emLaTex para produção de textos técnicos e científicos: Tipos de documentos (livros, artigos, apresentações, pré-projetos, dissertação de mestrado, tese de doutorado,banners, currículos, etc.), formatação de textos, imagens, equações, tabelas, referências, apêndices, símbolos, revisão de textos, inserção de códigos, etc.
SQL (Structured Query Language): Uso de funções para criar base de dados e tabelas, filtrar, modificar, fazer correções de dados.
Popular repositoriesLoading
- Series-Temporais
Series-Temporais PublicProjetos de modelagem e previsão de séries temporal em linguagem Python e linguagem R. Usarei vários modelos de bibliotecas e pacotes usados para tratamento, modelagem e previsão de séries temporai…
- Data-science
Data-science PublicProjetos de análise de dados em Python de aprendizado supervisionado (regressão e classificação) e não supervisionado (clusterização), regras de associação, processamento de linguagem natural, rede…
- Desafio-Codenation
Desafio-Codenation PublicScript da resolução do desafio Codenation de 2020, para admissão no Bootcamp de Data Science.
Jupyter Notebook 1
- Resolucoes-Codenation
Resolucoes-Codenation PublicResoluções dos desafios semanais do Bootcamp Aceleradev da Codenation 2020.
Jupyter Notebook 1
If the problem persists, check theGitHub status page orcontact support.