Machine Learning na Prática: Como Previ o Ativo PETR4 com 91,5% de Acurácia Usando Python e FastAPI

🚀 Portfólio de Projetos: Ciência de Dados & MLOps

Bem-vindo ao meu portfólio profissional (p. 1). Aqui estão documentados os principais projetos que desenvolvi de ponta a ponta, aplicando engenharia de software rigorosa, governança de modelos e análise estatística de alta volumetria (pp. 1-2).

📈 1. Sistema Preditivo e Pipeline Corporativo para o Mercado Financeiro (PETR4)

📌 Visão Geral

Refatoração de um script tradicional de previsão para o ativo PETR4 em um pipeline corporativo robusto focado em governança, segurança de artefatos e escalabilidade em produção.

🛠️ Arquitetura e Engenharia Aplicada

• Ingestão de Dados: Automação do pipeline de extração de dados históricos da B3 conectando diretamente à API Yahoo Finance (yfinance) (p. 1).
• Feature Engineering Otimizada: Desenvolvimento manual de algoritmos matemáticos vetorizados em Pandas para cálculo nativo de indicadores de volatilidade e momentum (RSI/IFR e Bandas de Bollinger), contornando restrições de compatibilidade locais (p. 1).
• Prevenção de Overfitting: Ajuste fino (tuning) de hiperparâmetros e validação estrita em um modelo Random Forest Classifier, alcançando uma acurácia consistente de 91,50% em dados de teste (p. 1).
• Governança com MLflow: Substituição de arquivos estáticos inseguros (.pkl) por rastreamento automático de hiperparâmetros, dados de linhagem e artefatos em interface integrada.
• Esteira de Produção: Integração do pipeline a um servidor REST utilizando FastAPI e validação de contratos de entrada de alta performance via Pydantic para inferência em tempo real.

Tecnologias: Python 3.12, Pandas, Scikit-Learn, MLflow, FastAPI, Pydantic, Yahoo Finance API (p. 1).

📊 2. Análise Estatística de Alta Volumetria: Mortalidade Infantil no Brasil

📌 Visão Geral

Pipeline completo de ETL e análise estatística descritiva aplicada a dados públicos de saúde com o objetivo de gerar inteligência de dados para tomada de decisão em políticas públicas (pp. 1-2).

🛠️ Arquitetura e Engenharia Aplicada

• Pipeline de ETL: Extração, limpeza e padronização de grandes volumes de dados brutos e descentralizados do DATASUS (SIM/TABNET) utilizando ambiente de desenvolvimento VS Code (pp. 1-2).
• Tratamento de Big Data: Resolução de inconsistências de dados e tratamento de registros nulos/vazios em bases de dados públicas de alta volumetria (p. 1).
• Análise Estatística: Aplicação de estatística descritiva avançada utilizando a Linguagem R para identificação de padrões, correlações e anomalias nos registros de saúde (pp. 1-2).
• Visualização de Dados: Estruturação dos dados processados para a criação de relatórios analíticos e indicadores limpos voltados para gestores (p. 2).

Tecnologias: Linguagem R, VS Code, Estatística Descritiva, Bases Públicas (DATASUS) (pp. 1-2).

🔧 Pilha de Ferramentas & Infraestrutura

• Ambientes de Desenvolvimento: VS Code gerenciado via ecossistema moderno .venv com gerenciador ultra-rápido uv (p. 1).
• Bancos de Dados: Noções sólidas de modelagem e consultas em SQL (pp. 1-2).
• Cultura Ágil & DevOps: Versionamento estrito com Git/GitHub, uso de metodologias ágeis (Scrum/Kanban) e fundamentos de Arquitetura de Nuvem (p. 1).