Rubens de Almeida Zimbres

Outras informações:
Sou um estrategista e cientista de dados com mais de 23 anos de experiência em atendimento ao cliente, gerenciamento, trabalho com Aprendizado de Máquina Supervisionado e Não Supervisionado, Aprendizado Profundo e PNL nas áreas de telecomunicações, finanças, atendimento ao cliente e agricultura. Experiente em SPSS, R, Python, Wolfram Mathematica e MS SQL Server. Tenho Mestrado e Doutorado em Administração de Empresas pela Mackenzie com foco em Inteligência Artificial - Wolfram Research na Brown University (EUA). Eu possuo uma patente de um programa de computador no INPI em C + + / Mathematica sobre análise de dados, simulação e redes sociais. Sou usado para participar de reuniões e apresentar resultados de modelos de Aprendizado de Máquina e PNL para executivos e diretores de nível C. Experiência prática no Amazon AWS e Google Cloud Platform para fluxos estáticos e de dados, Soluções IoT, Aprendizado de Máquina e Reconhecimento de Fala (EC2, RDS (SQL Server), API Gateway, DynamoDB, S3, Pipeline de Dados, Redshift, Lambda, Kinesis, Firehose, ElasticSearch, SageMaker, Serviço de Contêiner Elástico, CloudWatch, Kibana, Visão Rápida, Reconhecimento da Amazônia, Transcrição, Compreensão, Previsão, Lex + Cloud Speech API, Google Vision API, Linguagem Natural, Cloud Storage) e Docker no ambiente Linux. Também experiente no desenvolvimento de gateways IoT usando Raspberry Pi rodando Ubuntu Core / Raspbian em Python. Eu criei com sucesso uma solicitação pull no GitHub para corrigir um problema de incompatibilidade entre o Python 2 e 3 na biblioteca pycocotools ao avaliar um modelo COCO (Segmentação de Imagem da Microsoft).

Outras informações:
A Doux Dermatologia possui 15 funcionários com faturamento anual de R $ 2,5 milhões. A clínica tinha uma dívida de 1 milhão de reais. Eu assumi e nos primeiros 6 meses 6 dos 12 funcionários foram demitidos, a dívida foi renegociada. Novos funcionários foram contratados. Desenvolvi um novo reposicionamento de imagem para a clínica, além de uma estratégia orientada ao cliente associada a metas mensais e remuneração variável. Personalização do Google AdWords, SEO, propaganda boca-a-boca foram as escolhas, já que a empresa não conseguiu financiar estratégias de escopo mais amplas. Fiz uma análise abrangente de banco de dados (4.000 pacientes, 1.000.000 de registros) e uma pesquisa de clientes para definir palavras-chave para o Google AdWords, SEO, descobrir os procedimentos mais lucrativos, exigir dimensionamento e orientar o planejamento estratégico. Os índices financeiros foram monitorados, como patrimônio líquido, margem bruta, lucro líquido, ativos, passivos, ROI, ROA, ROE, EBITDA, alavancagem financeira, índice de liquidez corrente, giro de estoques e taxa de rotatividade de clientes. As ferramentas analíticas utilizadas foram: álgebra relacional em bancos de dados, análise conjunta, análise estatística (descritiva e multivariada), análise de séries temporais e algoritmos de agrupamento. No primeiro ano, o lucro dobrou. Após 2,5 anos, o lucro líquido aumentou 239%, a alavancagem financeira diminuiu 36%, o volume de negócios aumentou 15%, o ROI aumentou 206%, o ROE 95% e o EBITDA 98,5%. Com um aumento na estratégia de preços, diminuímos o número de consultas e aumentamos a receita (mais eficiência). Até 2013, 306K USD da dívida foram pagos e depois de analisar o Net Present Value, decidimos comprar um laser de tratamento de pele de 240K USD, com despesas suportadas pela saúde financeira da empresa. A satisfação dos funcionários aumentou e isso refletiu na receita total do negócio.

Outras informações:
Instrutor da Deep Learning Brazil Summer School, onde lecionei sobre GANs (Generative Adversarial Networks) e conduzi os participantes em um workshop de implementação prática usando Keras e Tensorflow em uma instância do AWS EC2.

Outras informações:
Trabalhei com os seguintes métodos para alavancar lucro, aumentar a eficiência e identificar fontes de vantagem competitiva para empresas do setor de saúde: - Modelos econométricos usando índices de mercado e função de utilidade para previsão de vendas - Análise conjunta para pesquisa de mercado - Álgebra relacional com hashing de recursos - Análise estatística (descritiva e multivariada: Linear, Não Linear, Polinomial, Logística e Regressão Logística Multinomial, Análise Discriminante, Análise Fatorial, Análise de Componentes Principais, t-SNE): identificar causas, variáveis ​​relevantes, segmentação de mercado - Algoritmos de classificação em análise preditiva (Árvores de Decisão, Naive Bayes, Florestas Aleatórias, K Médias, K Vizinhos mais próximos, Máquinas de Vetores de Suporte): segmentação de mercado, elasticidade de preço e reconhecimento facial - Otimização (pesquisa de árvore de Monte Carlo com correspondência de cadeia de caracteres difusa, algoritmos genéticos, descida de gradiente): determina a taxa de perda de funcionários - Aprendizado Profundo: Redes Neurais Convolucionais, Recorrentes, Recursivas: visão computacional, reconhecimento de padrões, reconhecimento de faces, Processamento de Linguagem Natural - Algoritmos de clusterização: (K vizinhos mais próximos, K significa): identificar nichos, lidar com Big Data e amostragem - Análise de sobrevivência: determinar o ciclo de vida do produto e a obsolescência das estratégias de marketing - Simulação (Monte Carlo da Cadeia de Markov, Autômatos Celulares, Modelos Baseados em Agentes): simula contágio em redes sociais, problemas logísticos e comportamento de manada - Análise de séries temporais associada à simulação de eventos discretos: prever os resultados da estratégia - Aprendizado de Máquina: ML supervisionado, não supervisionado e montado como um algoritmo de otimização e para extrair recursos do Big Data - Inteligência Artificial Simbólica com inf

Outras informações:
Sou especialista em desenvolvimento e análise de pesquisas científicas de mercado, de acordo com as necessidades do negócio, para identificar a percepção do cliente quanto à qualidade, envolvimento e intenção de compra (comportamental), incluindo os seguintes passos: - Estudo completo dos fundamentos teóricos relevantes para o assunto - Formulação de hipóteses - Abordagem qualitativa com entrevistas estruturadas e semiestruturadas - Análise de conteúdo - Análise conjunta (abordagem quantitativa): Desenvolvimento de questionário de pré-teste, incluindo personalização de escala Likert (ordinal), desenvolvimento de questões construtivas orientadas para obter consistência interna, validade interna e externa - Tratamento de dados (outliers, missing values), transformação para ajuste de assimetria e curtose, testes de normalidade (Kolmogorov Smirnov), testes de multicolinearidade (Keiser Meyer Olklin) e ANOVA - Análise estatística (descritivos, correlações, regressão linear, análise fatorial) do questionário de pré-teste e filtragem de indicadores para prevenir a multicolinearidade e ajustar o número de variáveis ​​relevantes - Aplicação de questionário e posterior análise estatística para obtenção de validade interna, externa, conceitual, estatística e convergente. Essa metodologia ajuda a identificar quais fatores levam a uma determinada percepção de qualidade e intenções futuras de compra, para que as empresas possam ajustar sua estratégia para alavancar receita, lucros, aumentar a satisfação do cliente e seu envolvimento com o produto ou serviço.

Outras informações:
Exerceu as funções de cirurgião-dentista, oficial-de-dia responsável pela Unidade, tornando-se Chefe da Seção de Saúde do Parque de Material Aeronáutico de São Paulo em 1998.