- Governança sob a ótica da LGPD — correção de violações em cadastros
- Transferência de conhecimento e debates técnicos em eventos nacionais
Dados que geram valor real
Perfil multidisciplinar — economia, finanças e IA — com entrega ponta a ponta: do pipeline ao dashboard e ao modelo.
Sou Erick Araújo, cientista de dados com base em Ciências Econômicas e quatro pós-graduações (IA, Segurança & Privacidade, Big Data e Finanças). Atuei como cientista/analista de dados terceirizado para o SEBRAE‑AM (ASTEC e CAST), elevando a maturidade de dados da instituição e apoiando o planejamento nacional de dados.
Acredito em dados bem governados e bem modelados como principal ativo. Entrego com rigor de engenharia, documentação e conformidade.
Levar modelos do notebook à produção com monitoramento
Kafka & pipelines em tempo real
AWS / GCP & Databricks
Transformação versionada e testável
Trajetória
Atuação terceirizada para o SEBRAE‑AM com foco em governança, integração e desenvolvimento.
- Pipeline ETL completo para automação de NF‑e (validação, transformação, Parquet)
- Integração com dados fiscais da SEFAZ com conformidade tributária
Educação
5 formações — da economia à IA, com registro ativo no CORECON‑AM.
Stack
Do dado bruto ao modelo em produção — com qualidade e governança.
◑ Análise de Dados
▭ Business Intelligence
⬡ Ciência de Dados & ML
⧉ Engenharia de Dados
⧫ Governança & Dados
{ } Linguagens
Apps freeware para a comunidade
27 repositórios no GitHub + pacote R tsforge: suítes de ferramentas, laboratórios de dados & IA, utilitários, jogos educativos, forecasting em R e coleções & portfólios com projetos ponta a ponta — muitos 100% offline.
Por dentro do laboratório. Por trás de cada um desses aplicativos, o backend é praticamente um museu de linguagens — Python, Lua, Java, C++, C… e outros tantos “fósseis digitais” que fui acumulando ao longo da minha jornada na área de dados.
Reúni esse arsenal de scripts antigos e transformei em um front-end temperado com inteligência artificial — e, claro, uma boa dose de paciência (porque a IA adora testar nossa calma). O resultado são apps feitos com carinho, pensados para rodar 100% local quando possível e disponibilizados à comunidade em formato freeware. Afinal, compartilhar é sempre melhor do que deixar código pegando poeira na gaveta.
Pacote R de forecasting automático baseado em evidência: valida, diagnostica, roda backtest rolling-origin em um registro de modelos, seleciona o vencedor empírico para a série e o horizonte, projeta com intervalos e gera dashboard. Sem “melhor método universal”. Site completo publicado neste mesmo GitHub Pages — leia sem sair da página.
Suíte com 298 ferramentas em 17 categorias para análise de dados — 100% local e offline, no seu Windows.
IA de voz em tempo real que ouve, vê, entende e controla seu computador — fala, visão e automação de desktop juntas.
Aplicativo desktop de análise de dados com IA local para Windows.
IA local para estudo acadêmico: RAG sobre livros inteiros (PDF/EPUB/DOCX) — concorre com o NotebookLM.
Assistente de carreira com IA 100% local — currículo e conversas nunca saem da sua máquina.
App desktop para simular e compreender Estatística, DS, ML, IA, Inferência Causal e Engenharia de Dados — offline-first, em pt-BR.
Visualize matematicamente como os algoritmos de DS/ML/IA funcionam, passo a passo.
Geração de dados sintéticos realistas para testar pipelines com privacidade preservada.
Simulador de experimentação & A/B testing estatístico.
GUI moderna e profissional para gerenciamento avançado do Windows Subsystem for Linux.
One-Time Pad (OTP) em Rust — a única criptografia comprovadamente irrompível, quando usada corretamente.
Conversor de texto Unicode estilizado para redes sociais e linha de comando.
Gerenciador gráfico de pacotes Python voltado à governança de ativos e uso corporativo.
Organização pessoal, tarefas e rotina com foco em redução de carga cognitiva.
Linter e analisador para modelos semânticos do Power BI (TMDL/DAX) — saúde e boas práticas do seu modelo.
Desktop com engine Python/R e 15+ modelos econométricos em interface gráfica.
Priorização estratégica com lógica fuzzy e matriz TOWS.
Runtime desktop nativo para aplicações R — execute apps R sem depender do ecossistema tradicional.
Motor de compressão de próxima geração em C++ moderno.
Jogue a jornada de um engenheiro de dados — do dado bruto ao pipeline em produção.
Estilo Super Mario: cada fase exige responder uma pergunta estatística para progredir.
Jogo de Estatística inspirado em Flappy Bird — divirta-se aprendendo.
Mini-games de visão computacional controlados por gestos da câmera.
Repositórios que reúnem dezenas a centenas de projetos prontos para rodar, organizados por área. Abra cada área para ver todos os projetos disponíveis.
Coleção com 127 projetos completos em 8 áreas: cada um gera os próprios dados sintéticos, roda de ponta a ponta e entrega relatórios, gráficos, modelos, APIs e data warehouse reais — tudo lintado com Ruff (Python) e lintr (R). Cada pasta tem README com objetivo, stack e execução.
16 Análise de Dados · EDA, KPIs e relatórios por setor
analise_vendas_varejoLimpeza, agregações, margem, crescimento MoM e relatório executivoexploracao_rh_analyticsEDA de turnover, faixas salariais e correlaçõesanalise_financeira_pessoalFluxo de caixa, taxa de poupança e orçamento por categoriaanalise_logistica_entregasOTD por transportadora, atrasos e custo por kganalise_saude_hospitalarPermanência, reinternação em 30d e P90 de esperaanalise_energia_consumoCurva de carga horária e tarifa branca × convencionalanalise_app_engajamentoDAU/WAU, stickiness e retenção D1/D7/D30 por cohortanalise_nps_experienciaNPS com drivers: região e tempo de atendimentoanalise_academica_desempenhoNotas, frequência e fatores de aprovação por matériaanalise_trafego_siteSessões por fonte, bounce rate e CPA do canal pagoanalise_restaurante_cardapioMenu engineering: estrelas/cavalos/puzzles/cãesanalise_seguros_sinistrosLoss ratio, frequência × severidade e aging de abertosanalise_biblioteca_emprestimosSazonalidade mensal, gêneros e taxa de atrasoRanalise_clima_chuvasChuva mensal, veranico e amplitude térmicaRanalise_academia_musculacaoVolume semanal, progressão de carga e PRsRanalise_voos_atrasosPontualidade <15min, cauda dos atrasos e cancelamentosR
16 Analista de BI · Dashboards, DRE, scorecards e painéis
dashboard_kpi_vendasKPIs vs meta e dashboard HTML sem dependências extrasrelatorio_executivo_mensalAutomação de relatório Excel formatado (openpyxl)relatorio_cohort_retencaoMatriz de cohort M0..M11 com heatmap HTMLindicadores_estoque_giroGiro, cobertura, curva ABC e risco de rupturafunil_conversao_vendasFunil e-commerce por etapa/dispositivo com HTML visualscorecard_fornecedoresNota ponderada 0–100 com classes A/B/Cranking_vendedores_quotaLeaderboard com streak de quota e política de prêmiosdre_margens_mensalDRE simplificada: margens bruta/EBITDA e YoYpainel_sac_atendimentosSLA de resposta, FCR, CSAT e backlog semanalcarteira_produtos_bcgMatriz BCG com quadrantes e bolhas de receitadashboard_marketing_campanhasCTR/CPC/CPA, ROAS vs meta e pacing do orçamentoconcentracao_receita_giniCurva de Lorenz, Gini e HHI com alerta de dependênciapainel_ocupacao_hotelOcupação, ADR, RevPAR e cancelamento por canalRrelatorio_frotas_veiculosCusto/km, consumo e utilização com alertasRpainel_projetos_portfolioSemáforo de risco por consumo × conclusão × prazoRgeracao_solar_performancePerformance ratio e queda em dias nubladosR
16 Ciência de Dados · Estatística, inferência e séries temporais
teste_ab_ecommerceTeste z para proporções, IC, poder estatístico e MDEprevisao_demandaSéries temporais, features de calendário/lags e baselines vs MLteste_hipoteses_marketingShapiro, Levene, ANOVA, Tukey HSD e Cohen's danalise_cesta_comprasRegras de associação (suporte/confiança/lift) do zeroteste_mann_whitney_salarialMann-Whitney U, rank-biserial e bootstrap de medianasclusterizacao_series_temporaisClusters por padrão: tendência, sazonalidade e estabilidadecalculo_amostra_pesquisan mínimo, correção de população finita e IC simuladosimulacao_monte_carlo_projecao10k cenários de receita, fan chart P5/P95 e prob. de metateste_qui_quadrado_associacaoContingência, chi² e Cramér's Vvalidacao_cruzada_comparadaVazamento temporal: shuffle vs TimeSeriesSplit (+37% de erro)odds_ratio_interpretacaoOdds ratios, efeito marginal e cenários comparadosdecomposicao_sazonal_serieTendência + índice sazonal mensal + resíduo, sem statsmodelsregressao_multipla_diagnosticolm() completo: summary, ANOVA aninhada e 4 diagnósticosRteste_t_pareado_treinamentoShapiro → t pareado/Wilcoxon, Cohen's d e bootstrapRanova_dois_fatores_interacaoaov() com interação, interaction.plot e Tukey HSDRregressao_polinomial_overfittingRMSE treino/teste por grau; mínimo no grau ótimoR
16 Machine Learning · Classificação, regressão e avaliação de modelos
previsao_churn_telecomPipeline completo, validação cruzada, métricas e modelo salvosegmentacao_clientes_rfmK-Means, cotovelo, silhueta, PCA e personas de marketingregressao_preco_imoveisRegressão interpretável vs HistGradientBoostingdeteccao_anomalias_transacoesIQR vs IsolationForest com hora cíclica e anti-fraudemodelo_uplift_marketingT-learner, uplift por decil e curva de ganhoclassificador_tickets_suporteRoteamento multiclasse com termos decisivos por filaelasticidade_preco_demandaRegressão log-log, interpretação econômica e preço ótimocalibracao_probabilidadesPlatt × isotônico, Brier e reliability diagrampropensao_cross_sellRanking priorizado com Precision@10% e lift 2×classes_desbalanceadas_estrategiasBaseline × weight × oversampling × threshold por PR-AUCimportancia_features_comparadaNativa × permutação × drop-column e o dilema da feature gêmeacurvas_aprendizado_diagnosticoOverfit × underfit diagnosticados pelas curvas treino/valknn_classificador_vinhosk-NN do zero, padronização sem vazamento, escolha do kRnaive_bayes_spam_palavrasMultinomial NB com Laplace em log-espaçoRthreshold_otimo_custo_negocioFN custa 10× FP: threshold ótimo pela matriz de custoRpca_eigen_reducao_dimensionaleigen() da covariância, scree plot e reconstruçãoR
16 Inteligência Artificial · NLP, busca, recomendação e algoritmos
chatbot_intencoesNLU com TF-IDF + regressão logística e fallback por confiançaanalise_sentimento_avaliacoesAbordagem léxica vs modelo supervisionado comparadasbusca_semantica_documentosMotor de busca FAQ com TF-IDF, cosseno e Hits@2recomendador_colaborativoItem-item cosseno, predições ponderadas, RMSE e Hit@5nl2sql_consulta_vendasPerguntas em PT → SQL → SQLite, rule-based com fallback honestodeduplicacao_fuzzy_registrosSequenceMatcher + blocking + union-find para cadastrossumarizacao_extrativa_textrankGrafo de sentenças + PageRank do zero, sem LLMcorretor_ortografico_probabilisticoEdição 1–2 com prior de frequência (estilo Norvig)rag_respostas_citadasMini-RAG: recuperação + resposta extrativa com citação da fontegerador_nomes_markovCadeia de Markov ordem-3 com temperatura controladadialogo_slots_reservaState tracking: slots, correções no meio do turno e confirmaçãoplagio_minhash_jaccardShingles + MinHash 64 perms; erro ~0.005 na cópia detectadaalgoritmo_genetico_horariosEscala de turnos: elitismo, torneio, mutação, convergênciaRbusca_caminho_a_estrelaA* com Manhattan em grade 20×20, caminho ótimo (38 passos)Rperceptron_do_zeroPerceptron do zero: aprende AND/OR e trava no XOR — a origem do MLPRbfs_grafo_socialBFS em grafo social: graus de separação, alcance de 2 saltos e caminho mínimoR
15 Engenharia de Dados · ETL, lakehouse e performance
pipeline_etl_vendasExtração CSV/JSON, transformação, carga em SQLite, logs e CLIorquestrador_batchMini-orquestrador com DAG topológico, retries e statusingestao_incremental_apiWatermark persistido, paginação por cursor e idempotênciadimensao_scd2SCD Tipo 2 com point-in-time e checagem de integridadebackfill_incremental_janelasBackfill diário com checkpoint e retomada após falhalakehouse_medallion_bronze_silver_goldBronze/silver/gold sobre arquivos com manifest por camadaotimizacao_indices_sqliteEXPLAIN QUERY PLAN antes/depois, até 158× mais rápidomigracoes_banco_versionadasRunner idempotente com rollback da última versãoconciliacao_bancaria_autoExtrato × ledger com janela de datas e tarifas isoladasfila_prioridade_jobsheapq com aging: anti-starvation demonstrado em númerosparticionamento_poda_arquivosPartition pruning: 66% dos arquivos ignorados, 11× mais rápidocliente_api_backoff_respeitosoToken bucket + backoff+jitter: 7,5× mais sucessos que o ingênuoconsolidacao_multifilial_padronizacao3 filiais → padrão único com stopifnot como gateRparticionador_arquivos_mesWrite-side: split mensal + manifest + verificaçãoRpadronizador_enderecos_entregaNormalização de logradouros/CEP e chave de dedupR
16 Engenharia de IA/ML · MLOps, serving, drift e FinOps
api_modelo_creditoTreino versionado + API FastAPI de inferência com validaçãomonitoramento_drift_modeloPSI, teste KS e alertas de retreino por semanatreino_experimentos_registryGrid search com registro append-only de runs (mini-MLflow)inferencia_batch_scoreScoring chunked com guardrail PSI contra o baseline de treinocanary_deploy_modeloChampion × challenger com roteamento 90/10 e promoção por evidênciafeature_store_simplesUma função alimenta treino e serving, com store SQLite + cache TTLgateway_batching_rate_limitToken bucket + micro-batching: −65% de chamadas ao modelosuite_testes_qualidade_modeloPortões AUC/fairness/monotonicidade com exit code para CIexperimentacao_sequencial_guardrailsPeeking infla falsos positivos 3×; guardrail de latência abortamodel_card_responsavelModel card gerado no treino com métricas por grupodrift_multivariado_classificadorDomínio-classificador: AUC 0.50→0.98 conforme drift crescecusto_inferencia_finopsRun-rate por endpoint, estouro projetado e otimizaçõescapacidade_fila_inferenciaM/M/1 simulado vs Erlang; réplicas para o SLO p95Rversionamento_dataset_snapshotHash por registro, diff v1→v2 e manifestRexplicacoes_predicoes_contribuicoesTop drivers por predição anexados ao log de auditoriaRslo_orcamento_erros_disponibilidadeError budget 99,9% com burn rate acumuladoR
16 Governança de Dados · Qualidade, LGPD, linhagem e auditoria
framework_qualidade_dadosMotor de regras: completude, unicidade, validade, consistênciacatalogo_linhagem_dadosCatálogo técnico com estatísticas e grafo de linhagem/impactomascara_dados_sensiveisPII por regex + hash/máscara parcial com auditoria (LGPD)validador_contrato_schemaData contracts com severidades e gate de deploydicionario_dados_automaticoDicionário Markdown com PII detectada e glossário da equipemonitor_sla_dadosFreshness vs SLA, falhas consecutivas e escalação on-callauditoria_acessos_dadosMenor privilégio, contas dormentes e conflitos de SoDpolitica_classificacao_dados4 níveis de sensibilidade com tratamento por colunadescoberta_perfilagem_fontesScanner de pastas: perfil, PK candidatas e FKs prováveisgestao_consentimento_usoConsentimentos por finalidade, expiração e opt-out propagadolinhagem_nivel_colunaImpacto/origem com granularidade de coluna + PII checktrilha_auditoria_hash_chainLog append-only encadeado por SHA-256 com detector de frauderelatorio_retencao_dadosPrazos por categoria, fila de descarte e agenda trimestralRmonitor_mudancas_esquema_diffDiff v1→v2 com rename detection e gate bloqueadoRqualidade_tipos_conversao_seguraConversores defensivos com auditoria de falhasRreconciliacao_bases_divergentesCRM × ERP campo a campo com tolerância de 1%R
Menos projetos, mais profundidade: pipelines reais sobre dados reais, arquitetura Medallion, governança LGPD e dashboards Streamlit por estágio.
Pipeline completo sobre 99.441 pedidos reais do e-commerce brasileiro (Kaggle), com arquitetura Medallion e governança LGPD em 6 estágios: EDA (profiling e qualidade), Business Analytics (KPIs, RFM, Cohort, funil, LTV), Ciência de Dados (hipóteses com χ² e feature engineering), Machine Learning (was_late e is_low_rating com CV e SHAP), IA Generativa (insights LLM + RAG sobre o Gold) e Governança LGPD (Microsoft Presidio em 31 tabelas, dicionário de 210 colunas, lineage Mermaid, catálogo e políticas). DW estrela em DuckDB e dashboard Streamlit de 6 páginas, com 12 testes automatizados.
Plataforma analítica do Cadastro Nacional da Pessoa Jurídica (RFB): ~180M registros em 13 tabelas → Medallion RAW→Gold com Parquet + DuckDB (14,7 GB). Star Schema com dim_empresa (43,6M), dim_estabelecimento (43,1M), dim_sócio (28,1M), fatos e 14 views analíticas (KPIs, UF, CNAE, evolução, HHI). Módulos de Governança (lineage, catálogo, glossário), Qualidade, Privacidade (masking de CPF/CNPJ/email), Data Contracts (13 JSON), Data Science, ML (is_ativo) e IA/NLP (RAG). Dashboards Streamlit de 5 páginas + HTML estáticos, com 29 testes.
Compartilhando conhecimento
Eventos nacionais do ecossistema SEBRAE e dados & IA.
Próximos passos — evolução contínua
Vamos conversar?
Aberto a colaborações, consultorias em dados/LGPD e oportunidades em ciência & engenharia.