Sobre mim

Meu nome é Mauricio Fortes Berton

Sou formado em Engenharia Civil e atuo como Coordenador de Projetos de Engenharia.

Ao longo da minha carreira, desenvolvi sólida experiência em gestão de projetos, análise de requisitos técnicos e elaboração de soluções personalizadas para diferentes demandas empresariais.

Paralelamente à minha atuação na engenharia, tenho me dedicado ao estudo e à aplicação de Ciência de Dados, desenvolvendo projetos pessoais com dados públicos para aprimorar minhas habilidades em análise de dados, modelagem estatística e resolução de problemas de negócio orientados a dados.

Atualmente, busco uma oportunidade para atuar profissionalmente como Cientista de Dados, contribuindo para a tomada de decisões estratégicas e para a geração de valor a partir dos dados, por meio da construção de soluções analíticas eficientes e escaláveis.

Habilidades

Linguagens de Programação e Banco de Dados

  • Python com foco em análise de dados.
  • Pensamento Estratégico
  • Pensamento Estratégico
  • Conceitos de ETL

Estatística e Machine Learning

  • Estatística descritiva ( localização, dispersão, assimetria, kurtosis, densidade ).
  • Algoritmos de Regressão, classificação e clusterização.
  • Métricas de Performance ( RMSE, MSE, MAE, MAPE, Confusion Matrix, Precision, Recall, ROC Curve, Silhouette Score e R2 ).
  • Pacotes de Machine Learning: Sklearn.

Visualização de Dados

  • Matplotlib e Seaborn.
  • Streamlit.

Engenharia de Software

  • Git e Github.
  • Streamlit Cloud.
  • SQLite3 Database

Experiências Profissionais

Projetos em Ciência de Dados — 4+ soluções completas

Desenvolvimento de soluções analíticas voltadas à resolução de problemas de negócio, utilizando bases públicas de competições de Ciência de Dados. Atuação abrangendo todas as etapas do ciclo de vida do projeto — desde a concepção do desafio e preparação dos dados até o treinamento, validação e implantação do modelo em ambiente de produção — com o uso de ferramentas de Cloud Computing e práticas de engenharia e governança de dados.

Coordenação de Projetos de Engenharia — 3+ anos

Responsável pela gestão de projetos multidisciplinares, análise de requisitos técnicos e desenvolvimento de soluções customizadas para diferentes demandas corporativas. Foco em eficiência operacional, cumprimento de prazos e integração entre equipes técnicas e estratégicas.

Engenharia de Projetos Estruturais — 10+ anos

Experiência consolidada na elaboração e detalhamento de projetos estruturais, com ênfase em pavilhões pré-fabricados. Atuação técnica voltada à precisão, segurança e otimização de recursos, com domínio de ferramentas CAD e BIM aplicadas ao desenvolvimento e coordenação de projetos executivos.

Projetos em Ciência de Dados

Desenvolvimento de um Painel Gerencial para Negócio com o Stremlit

Nesse projeto, os conceitos de Programação em Python, manipulação de dados, pensamento estratégico e lógica de negócio, junto com ferramentas de desenvolvimetno web como o Streamlit e Github, foram usados para desenvolver um painel gerencial com as principais métricas de uma empresa marketplace de delivery de comida na India.

O resultado final do projeto foi um painel hospedado em um ambiente Cloud e disponibilizado através de um link web. O painel pode ser acessado por qualquer dispositivo conectado na internet.

As ferramentas utilizadas foram:

  • Python.
  • Jupyter Lab.
  • Terminal.
  • Streamlit.
  • Streamlit Cloud.
  • Github.

Ensaio de Machine Learning

Nesse projeto, foram explorados os principais conceitos do treinamento, ajuste de parâmetros e limiares entre overfitting e underfitting de vários algoritmos de Machine Learning dentro das tarefas de classificação, regressão e agrupamento, através de um ensaio de Machine Learning.

O resultado final do projeto foi um painel mostrando a performance desses algoritmos de Machine Learning, a partir da variações dos valores dos principais parâmetros de cada algoritmo, que controlam o estado de overfitting e underfitting.

As ferramentas utilizadas foram:

  • Python 3.8 e Scikit-learn.
  • Algoritmos de classificação: KNN, Decision Tree, Random Forest e Logistic Regression.
  • Métricas de performance: Accuracy, Precision, Recall, F1-Score, R2, MSE, RMSE, MAE, MAPE, Silhouette Score.
  • Algoritmos de regressão: Linear Regression, Decision Tree Regressor, Random Forest Regressor, Polinomial Regression, Linear Regression Lasso, Linear Regression Ridge, Linear Regression Elastic Net, Polinomial Regression Lasso, Polinomial Regression Ridge e Polinomial Regression Elastic Net.
  • Algoritmos de agrupamento: K-Means e Affinity Propagation.
  • ,

Contato

Entre em Contato

Sinta-se a vontade para entrar em contato.