Sobre Mim
Allan Pereira Fenelon
Email: allanfenelon.job@gmail.com
Cientista de Dados formado em Matemática Computacional pela Universidade Federal do Cariri. Tenho experiência em análise exploratória de dados, modelagem preditiva e aprendizado de máquina. Trabalhei em projetos financiados por FUNCAP e CNPq, com foco em Python, R, SQL, TensorFlow e PyTorch.
Habilidades: Python, R, SQL, Flask, TensorFlow, PyTorch, React, entre outros.
Meus Projetos
Avaliação da Qualidade do Ar e Poluição
Este projeto analisa e modela a qualidade do ar com base em diversos indicadores ambientais, buscando compreender os padrões e fatores que influenciam a poluição. Ele é composto por duas etapas principais: Análise Exploratória de Dados (EDA) e Modelagem.
Ver Projeto
Previsão de sobrevivência: Spaceship Titanic
Desenvolvi um modelo preditivo para prever a sobrevivência de passageiros a bordo de uma nave espacial, em um cenário inspirado no Titanic. Utilizando técnicas de aprendizado de máquina, o modelo foi treinado para identificar fatores-chave que influenciam a probabilidade de sobrevivência, baseando-se em variáveis como características dos passageiros e dados do ambiente da nave. A competição exigia a aplicação de métodos de classificação para uma análise precisa e eficaz da situação.
Ver Projeto
Projetos, modelos criados e modelagem desenvolvida na disciplina de Séries Temporais
Na disciplina de Séries Temporais, desenvolvi modelos de SVR Online aplicados a dados financeiros, com foco em treinamento incremental. Além disso, trabalhei na modelagem de algoritmos online, aprimorando o desempenho de sistemas preditivos em tempo real. Como parte do projeto, também criei uma versão personalizada do algoritmo KRLS-T (Recursive Least-Squares Tracker), adaptando-o para melhor lidar com as demandas de séries temporais dinâmicas e variáveis.
Ver Projeto
Desafio Técnico Indicium: Previsão de Notas IMBD
No desafio técnico da Indicium, meu objetivo foi desenvolver um modelo preditivo para prever as notas dos filmes no IMDB com base em diferentes variáveis, como gênero, elenco e sinopse. Utilizando técnicas de aprendizado de máquina, como regressão e algoritmos baseados em árvores, criei um pipeline de modelagem que integra a limpeza e transformação dos dados, além de uma análise aprofundada de feature engineering. O modelo desenvolvido alcançou resultados significativos, proporcionando previsões precisas e insights sobre os fatores que mais influenciam as avaliações dos filmes.
Ver Projeto
Análise de Séries Temporais: Conjunto de Dados de Preço de Ações Meta
Projeto focado na análise e modelagem de séries temporais utilizando o conjunto de dados de preço de ações da Meta disponível no Kaggle. A iniciativa abrange visualização de tendências, identificação de padrões sazonais, e criação de modelos preditivos para projeções de curto e longo prazo, empregando técnicas estatísticas e de aprendizado de máquina.
Ver Projeto
Análise Descritiva: Conjunto de Dados de Taxas de Matrícula Escolar
Exploração e análise descritiva (EDA) do conjunto de dados de auxílio para taxas de matrícula do Condado de Montgomery, Maryland. Este projeto investiga padrões em custos de cursos, assistência financeira por departamento, e tendências em matrículas. Utilizando técnicas estatísticas e visualizações, o objetivo é identificar insights sobre a alocação de recursos e tendências educacionais.
Ver Projeto
Análise Descritiva e aplicação de Machine Learning: Titanic - Machine Learning from Disaster
Este projeto foi desenvolvido como parte da disciplina de Estatística Computacional e teve como objetivo explorar o famoso conjunto de dados do Titanic, disponível no Kaggle. Realizei uma análise descritiva detalhada para entender os padrões nos dados e apliquei técnicas de Machine Learning para prever a sobrevivência dos passageiros. O projeto incluiu etapas de pré-processamento, seleção de variáveis e avaliação de modelos preditivos, com foco em interpretar os resultados e compreender os fatores associados à sobrevivência.
Ver Projeto