Edilson Jesus dos Santos Júnior

Atuo atualmente no planejamento, através de Análise da Dados e Estatística, e execução de estratégias no mercado financeiro envolvendo ações, opções e derivativos através de uma mesa proprietária. Além disso, desenvolvo produtos de dados envolvendo técnicas de Machine Learning para solucionar problemas de négocios para empresa do setor privado. 

Como Cientista de Dados, meu último trabalho foi a criação de um Programa de Fidelidade usando Clusterização para uma empresa de E-Commerce do Reino Unido. Nesse projeto utilizei Python, Estatísticas e técnicas de Machine Learning não-superviosinadas para realizar uma segmentação dos clientes para que a empresa pudesse realizar ações sobre eles de forma eficiente.

Durante a minha graduação em Engenharia Elétrica, desenvolvi, usando Linguagem de Programação C# com o Unity3D e como um trabalho de graduação, um aplicativo de educação interativo para ensinar o básico de como funciona a geração, transmissão e distribuição de energia elétrica. 

Como Consultor Financeiro, participei de um time de consultores com o objetivo de prospectar clientes, ensiná-los sobre educação financeira, além de oferecer produtos como: previdência privada, financiamento de imóveis/móveis, simplificação do Imposto de Renda, carteira de ações, entre outros.

No meu trabalho atual, como Trader, facilitei a extração e manipulação de dados usados em algumas estratégias já utilizadas pela mesa proprietária, usando Python, Excel, Estatística e Machine Learning.

Nesse ponto da minha carreira, me sinto confiante para trabalhar como Cientista de Dados em qualquer empresa, gerando valor através do meu conhecimento em Python, Estatística, Machine Learning, Storytelling e ferramentas de desenvolvimento de Software, para construir solução de dados que resolvam problemas da empresa. Minha experiência como consultor contribui para a comunicação com pessoas e, como trader, a ser mais objetivo e buscar soluções rápidas.

Ferramentas Analíticas: SQL, Python, Excel, PowerBI, Streamlit.
Ferramentas de desenvolvimento: Git, GitHub.
Banco de Dados: MySQL, Postgres, SQLite.
Machine Learning: Classification, Regression, Clustering, Time Series.

Empresa: Comunidade DS

7 meses, Remoto

Cargo: Monitor

3 meses

Auxílio em dúvidas sobre a área de Ciência de Dados no geral, envolvendo: Análise de Dados em Python, SQL, Machine Learning e Projetos de Ciência de Dados.Auxílio em dúvidas sobre a área de Ciência de Dados no geral, envolvendo: Análise de Dados em Python, SQL, Machine Learning e Projetos de Ciência de Dados.

Cientista de Dados

7 meses, Remoto

Desenvolvimento de Projetos de Ciência de Dados envolvendo simulações de problemas reais englobando desde a coleta dos dados, análises estatísticas, aplicação de algoritmos de Machine Learning até a publicação desses modelos e resultados em Nuvem.

Principais resultados:

1. Construção de um Programa de Fidelidade com Clusterização de Clientes.
Foram utilizadas técnicas não-supervisionadas de Machine Learning, junto com Python e Estatística, para criar um Programa de Fidelidade em uma empresa de E-Commerce no Reino Unido com o objetivo de aumentar o faturamento da empresa. O resultado dessa solução daria um aumento de 12,5% no faturamento total da empresa, caso fosse implementada.


2. Teste A/B para um Jogo Mobile.
Realização de um Teste A/B para verificar se alterar um aspecto de uma parte do jogo aumentaria ou não a retenção dos jogadores.


3. Propensão de Compra com Classificação para uma empresa de Seguros de Saúde. 
Utilização de técnicas supervisionadas de Machine Learning envolvendo Classificação, Análise de Dados com Python e Estatística para realizar uma propensão de compra de clientes para uma empresa de seguros de saúde que desejava fazer um Cross-Sell. Esse clientes foram ordenados a partir de uma planilha do Google Sheets que acessava o modelo treinado em Nuvem via API e trazia os clientes ordenados por maior probabilidade para que a empresa pudesse realizar ações sobre eles.


4. Previsão de Vendas de uma Rede de Farmácias.
Foi feita uma previsão de vendas das próximas 6 semanas, utilizando de técnicas supervisionadas de Machine Learning de Regressão, Análise de Dados com Python e Estatística, que pode ser acessada por um bot no Telegram de qualquer dispositivo com acesso à internet.
 

UNESP - Universidade Estadual de São Paulo

Bacharelado em Engenharia Elétrica - mar 2013 → dez 2019

Nota: 5.2/10Nota: 5.2/10

Atividades e grupos: Monitor da Disciplina Introdução à Ciência da Computação.

Desenvolvimento do trabalho de conclusão de curso: Aplicativo Interativo para a o aprendizado de Eletricidade.