Sobre
Apresentação
Sou Cauã Souza Almeida, Analista e Cientista de Dados, graduado em Análise e Desenvolvimento de Sistemas pela FATEC. Trabalho com análise de dados, automação de processos e cloud. Estudo e pratico principalmente modelagem preditiva e arquiteturas RAG, ligando modelo, dado e API em aplicações que rodam de ponta a ponta.
Habilidades
- Machine learning aplicado — modelagem preditiva com Scikit-learn, do pré-processamento à avaliação de métricas
- IA generativa e RAG — pipelines com LangChain, ChromaDB, embeddings e LLM local via Ollama
- Análise e engenharia de dados — Pandas, NumPy, SQL e modelagem relacional
- Automação de processos — Power Automate, integrando rotinas que antes eram manuais
Stack e ferramentas
- Python — Pandas, NumPy, Scikit-learn, Matplotlib, Seaborn
- FastAPI, LangChain, ChromaDB, Streamlit
- SQL, PostgreSQL, SQLite, DBDiagram
- Azure, Databricks, Docker, Git e GitHub
- HTML, CSS, JavaScript, Astro
Projetos
-
Ferramenta web, feita em dupla no Programa Aceleras (Dataside), que estima custos de soluções Azure + Databricks por serviço e por ambiente. Preços obtidos por engenharia reversa de orçamentos oficiais e validados contra casos reais com desvios de −2,1% e +4,2%, com teste de regressão automatizado e preenchimento a partir de texto livre (beta).
-
Arquitetura de referência SAP + Databricks para contas a receber: pipeline Bronze → Silver → Gold com PySpark e Delta Lake, quarentena de registros inválidos, reconciliação linha a linha e KPIs de DSO e aging. Próxima etapa: modelo de risco de atraso de pagamento.
-
Chatbot com pipeline RAG rodando 100% local sobre a Central de Ajuda do Spotify: scraping da documentação, embeddings com Sentence Transformers, banco vetorial ChromaDB e respostas via Llama 3.2 no Ollama. Backend em FastAPI, frontend em Streamlit, containerizado com Docker.
-
Análise Estatística e Preditiva do Varejo
Estudo estatístico e de machine learning sobre transações do varejo, incluindo dados do mercado brasileiro: análise exploratória, identificação de outliers, desempenho por segmento ao longo do tempo e regras de associação com FP-Growth para recomendar produtos a partir do carrinho.