Victor Marques Araújo do Nascimento

Outras informações:
- Nível: JúniorTrabalhei em modelos de sumarização automática de textos do mercado financeiro. Também atuei em projetos de clusterização de clientes e churn. Os principais resultados foram relacionados ao melhor entendimento das características de comportamento dos clientes do aplicativo em relação às carteiras de investimentos.Principais tecnologias:- Bancos de dados: SQLServer, PostgreSQL, Azure Cosmos DB + SQL API, MongoDB, Firebase- ETL: Azure Data Factory- Linguagens de programação: Python, JavaScript- Frameworks: Flask, PyMongo, Scikit-learn, NLTK, BERT, spaCy- APIs e deploy: APIs RESTFul, Docker, Bitbucket, Apache JMeter- Nível: Júnior Trabalhei em modelos de sumarização automática de textos do mercado financeiro. Também atuei em projetos de clusterização de clientes e churn. Os principais resultados foram relacionados ao melhor entendimento das características de comportamento dos clientes do aplicativo em relação às carteiras de investimentos. Principais tecnologias: - Bancos de dados: SQLServer, PostgreSQL, Azure Cosmos DB + SQL API, MongoDB, Firebase - ETL: Azure Data Factory - Linguagens de programação: Python, JavaScript - Frameworks: Flask, PyMongo, Scikit-learn, NLTK, BERT, spaCy - APIs e deploy: APIs RESTFul, Docker, Bitbucket, Apache JMeterCompetências: MLOps Git Docker Microsoft Azure Machine Learning Natural Language Processing (NLP) SQL Microsoft SQL Server Python (Programming Language) Machine Learning

Outras informações:
- Nível: JúniorTrabalhei com o desenvolvimento de modelos de análise de sentimentos para a equipe de programação da Rede Bahia, onde o principal objetivo era coletar os dados dos telespectadores vindos de diferentes plataformas e classificá-los. Também atuei com o Amazon Rekognition em tarefas de visão computacional relacionadas aos conteúdos transmitidos.Principais tecnologias:Cloud: AWS + Amazon RekogntionLinguagens de programação: PythonBancos de dados: PostgreSQLFrameworks: Flask, spaCy, NLTK, spaCy, Scikit-learn- Nível: Júnior Trabalhei com o desenvolvimento de modelos de análise de sentimentos para a equipe de programação da Rede Bahia, onde o principal objetivo era coletar os dados dos telespectadores vindos de diferentes plataformas e classificá-los. Também atuei com o Amazon Rekognition em tarefas de visão computacional relacionadas aos conteúdos transmitidos. Principais tecnologias: Cloud: AWS + Amazon Rekogntion Linguagens de programação: Python Bancos de dados: PostgreSQL Frameworks: Flask, spaCy, NLTK, spaCy, Scikit-learnCompetências: Amazon SageMaker Natural Language Processing (NLP) Python (Programming Language) Machine Learning

Outras informações:
- Nível: JúniorTrabalhei como principal responsável pela área de BI da empresa, criando fluxos de ETL automatizados e dashboards em ferramentas de visualização de dados. Os principais resultados foram obtidos ao tirar a carga que os SDRs tinham em capturar, validar e organizar os dados de leads. Além disso, a gestão tinha acesso aos painéis com indicadores relevantes para o negócio, alinhados com as expectativas de aquisição e desenvolvimento de novos clientes.Principais tecnologias:- Visualização de dados: Power BI, Google DataStudio, Amazon QuickSight- Machine learning: Scikit-learn- Bancos de dados: Metabase, PostgreSQL- Languages: Python, SQL- Frameworks: Scikit-learn, NLTK, BERT, spaCy- RPA: Automation Anywhere- Nível: Júnior Trabalhei como principal responsável pela área de BI da empresa, criando fluxos de ETL automatizados e dashboards em ferramentas de visualização de dados. Os principais resultados foram obtidos ao tirar a carga que os SDRs tinham em capturar, validar e organizar os dados de leads. Além disso, a gestão tinha acesso aos painéis com indicadores relevantes para o negócio, alinhados com as expectativas de aquisição e desenvolvimento de novos clientes. Principais tecnologias: - Visualização de dados: Power BI, Google DataStudio, Amazon QuickSight - Machine learning: Scikit-learn - Bancos de dados: Metabase, PostgreSQL - Languages: Python, SQL - Frameworks: Scikit-learn, NLTK, BERT, spaCy - RPA: Automation AnywhereCompetências: Natural Language Processing (NLP) SQL Python (Programming Language) Machine Learning

Outras informações:
- Nível: SêniorTrabalhei com o levantamento e especificação de requisitos para novas funcionalidades dos sistemas WMS e TMS.- Bancos de dados: Oracle- RPA: Automation Anywhere- ETL: Alteryx- Nível: Sênior Trabalhei com o levantamento e especificação de requisitos para novas funcionalidades dos sistemas WMS e TMS. - Bancos de dados: Oracle - RPA: Automation Anywhere - ETL: AlteryxCompetências: SQL Análise de sistemas Microsoft SQL Server PL/SQL

Outras informações:
- Nível: PlenoAtuei como Analista de Suporte a Sistemas em diversos Tribunais de Justiça brasileiros. Era responsável por corrigir falhas sistêmicas e por orientar os usuários na melhor utilização possível dos sistemas.Principais tecnologias:- Bancos de dados: Oracle, SQL Server, IBM DB2- Nível: Pleno Atuei como Analista de Suporte a Sistemas em diversos Tribunais de Justiça brasileiros. Era responsável por corrigir falhas sistêmicas e por orientar os usuários na melhor utilização possível dos sistemas. Principais tecnologias: - Bancos de dados: Oracle, SQL Server, IBM DB2Competências: SQL Análise de sistemas Microsoft SQL Server PL/SQL

Outras informações:
- Nível: PlenoTrabalhei em projetos de classificação automática de textos, notícias e proposições legislativas para um dos clientes da Kognit. Foram desenvolvidos modelos que foram treinados com dados pré-classificados e que realizava predições em novos dados. Os modelos eram expostos via API e se integravam com a aplicação principal, onde as classificações dos textos eram apresentadas aos usuários.O maior benefício para os usuários era a não necessidade de ler e categorizar os textos manualmente, sendo necessário apenas revisar as classificações dos modelos.Principais tecnologias utilizadas:- Linguagem de programação: Python- Frameworks: Flask, Scikit-learn, NLTK, BERT, spaCy, OpenCV, Tensorflow, Keras, PyTorch- APIs e deploy: APIs REST, Heroku- MLOps: MLFlow, Prefect, Azure Machine Learning Studio- Nível: Pleno Trabalhei em projetos de classificação automática de textos, notícias e proposições legislativas para um dos clientes da Kognit. Foram desenvolvidos modelos que foram treinados com dados pré-classificados e que realizava predições em novos dados. Os modelos eram expostos via API e se integravam com a aplicação principal, onde as classificações dos textos eram apresentadas aos usuários. O maior benefício para os usuários era a não necessidade de ler e categorizar os textos manualmente, sendo necessário apenas revisar as classificações dos modelos. Principais tecnologias utilizadas: - Linguagem de programação: Python - Frameworks: Flask, Scikit-learn, NLTK, BERT, spaCy, OpenCV, Tensorflow, Keras, PyTorch - APIs e deploy: APIs REST, Heroku - MLOps: MLFlow, Prefect, Azure Machine Learning StudioCompetências: PyTorch MLOps Git Microsoft Azure Machine Learning Natural Language Processing (NLP) SQL Microsoft SQL Server Python (Programming Language) Machine Learning

Outras informações:
- Nível: Pleno- Nível: PlenoCompetências: Databricks Google Cloud Platform (GCP) MLOps Natural Language Processing (NLP) Machine Learning Estatística

Outras informações:
Competências: Large Language Models MLOps Git Natural Language Processing (NLP) Machine Learning Estatística Deep Learning