Credit Card Fraud Detection
Sistema de ML para detecção de fraudes em transações de cartão de crédito. Random Forest com engenharia de features avançada, deploy via Streamlit e rastreamento de experimentos com MLflow.
Transformo dados em soluções de ML que geram impacto real em produção.
name = "Eduardo Matos"
role = "Cientista de Dados"
location = "Formiga, MG — BR"
# Missão
Cientista de Dados com projetos end-to-end em produção: detecção de fraudes (ROC-AUC 97.7%, economia R$80k), previsão de receita com API REST (MAPE 3.9%) e pipeline ETL com 30+ features em SQL. Construo soluções completas — da análise exploratória ao deploy.
Da coleta de dados ao deploy em produção com monitoramento via MLflow.
APIs RESTful com FastAPI, modelos servidos e resultados mensuráveis.
Modelos que economizam R$80k e previsões com MAPE de 3.9%.
Data Science (EBAC) + ADS (Unicesumar) + inglês em andamento.
Soluções end-to-end com impacto real em produção
Sistema de ML para detecção de fraudes em transações de cartão de crédito. Random Forest com engenharia de features avançada, deploy via Streamlit e rastreamento de experimentos com MLflow.
Pipeline end-to-end de previsão de receita para e-commerce: SQL → EDA → Feature Engineering → ML → API REST com FastAPI em produção. MAPE de apenas 3.9% em dados out-of-sample.
Sistema de detecção de sonolência em tempo real usando visão computacional. Analisa padrões dos olhos via landmarks faciais com OpenCV e MediaPipe para alertas automáticos de segurança.
Pipeline ETL em SQL puro com 30+ features para análise de engajamento de clientes. CTEs encadeadas, window functions e queries otimizadas para insights estratégicos de negócio.
Disponível para posições júnior e projetos em Ciência de Dados
Busco posições remote-first ou híbridas em Ciência de Dados / ML Engineering onde possa construir soluções completas de ML em produção.
Envie uma mensagem no LinkedIn ou explore meus projetos no GitHub.