Roberto Peleteiro

Habilidades Utilizadas: Pandas | Scikit-Learn | Tensorflow

Múltiplas tentativas feitas na competição organizada pelo Santander no Kaggle. Tentativas subsequentes tentam explorar novas ferramentas e classificadores, bem como abordagens para a criação de modelos.

Habilidades Utilizadas: Machine Learning (Scikit, Pandas...)| Streamlit

Fazendo uso de um conjunto de dados público, dois classificadores foram criados para a triagem de pacientes em consultas cardíacas, gerando uma ordem de prioridade com base nos sintomas e outros fatores. Os modelos foram servidos via uma aplicação Streamlit.

Habilidades Utilizadas: Undersampling | Oversampling | Redução de Dimensionalidade | Treinamento de Modelos com Cross-Validation | Limpeza de Dados | Otimização de Hiperparâmetros

Múltiplas tentativas de solucionar uma competição da plataforma Kaggle, patrocinada pela Santander, para a criação de modelos de análise da Satisfação de Clientes com base em múltiplos fatores. Por trás de cada tentativa, está a história e o processo de criação de um modelo confiável de aprendizado de máquina, avaliando erros passados e explorando todos os meios.

Tecnologias Utilizadas: Flask | PostgresSQL | Javascript | HTML | CSS

Plataforma online construída com o objetivo de conectar diferentes agentes dentro do mercado agrícola. Produtores e Vendedores poderiam oferecer seus produtos em um catálogo, com possíveis compradores analisando as opções existentes antes de escolher a origem de sua compra.

A Django REST API created for familiar financial control.

Após a coleta de uma base de dados do Spotify pela sua API, foi concluído um trabalho de agrupamento, que, ao fim, levou a uma aplicação de recomendação de músicas com base nas características semelhantes entre as músicas da base.

Após criar uma API em Go capaz de coletar post de feeds RSS, eu decidi criar uma interface gráfica para a aplicação, permitindo ao usuário acessar os resultados por uma plataforma web, usando Vue.js.

Para os que não conhecem, feeds RSS, ou Really Simple Sindication são uma forma de disponibilizar seu conteúdo em um formato de fácil acesso e interatividade para outras aplicações. O conteúdo é disponibilizado em formato XML, fazendo uso de tags padronizadas para facilitar a coleta de conteúdo. Assim, o usuário pode ter acesso aos principais posts dos seus feeds favoritos em um só lugar, evitando a busca em cada plataforma.

Explicando paradigmas de Machine Learning em uma publicação no Medium.

Uma explicação sobre as seguintes métricas de agrupamento: Coeficiente de Silhueta, Índice Calinski-Harabasz e Índice de Davies-Bouldin.

Uma explicação detalhada sobre o funcionamentos dos seguintes algoritmos de clustering: K-Means, Mean Shift, DBSCAN.