Sobre
Meu nome é Catarina Aguiar e este é o meu portfólio em Análise de Dados e Ciência de Dados.
Sou estudante de Ciência da Computação, com formação em Economia Empresarial e Controladoria pela USP. Minha formação interdisciplinar me permite atuar na interseção entre dados, tecnologia e negócios, com foco em transformar dados em insights que apoiem decisões estratégicas.
Ajudo empresas a estruturar bases de dados e a resolver problemas onde os dados existem, mas ainda não são usados de forma estratégica. Atuo desde a organização e automação dos dados até a análise e comunicação dos resultados.
Formação
Universidade de São Paulo
Economia Empresarial e Controladoria
2019 - 2025
Iniciação Científica (Bolsa CNPq)
Área: Contabilidade e Inteligência Artificial
2023 - 2025
Estácio
Ciência da Computação
2025 - 2029
Ferramentas
Intermediário/Avançado
Python
Excel
SQL
Power Query
Power BI
Linguagem R
Básico
MongoDB (NoSQL)
AWS (Computação em Nuvem)
Databricks
Django
GitHub
Linux
HTML
CSS
Python
Excel
SQL
Linguagem R
Power BI
Engenharia de Dados (Básico)
Power Query
BI e Análise de Dados
MongoDB (NoSQL)
AWS (Computação em Nuvem)
Databricks
GitHub
Linux
Django
HTML
CSS
Desenvolvimento Web para Dados (Básico)
Ferramentas
Programação e Ciência de Dados
Em que posso ajudar?
Análise de dados
Análise exploratória (EDA)
Construção de KPIs
Visualização de dados
Dashboards (Power BI)
Interpretação para áreas de negócio
Modelagem preditiva
Regressão e classificação
Segmentação (clusterização)
Sistemas de recomendação
Análise de churn
Feature selection
Avaliação de modelos
Análise de cesta de consumo
Processamento de Linguagem Natural (NLP)
Análise de sentimento e emoção
Coleta de dados
Limpeza e transformação
Pipelines de dados (Python e Power Query)
Automatização de processos
Integração com bancos de dados relacionais
Modelagem de banco de dados
Aplicações simples (Django)
Cloud (básico): AWS
Ciência de dados
Engenharia de dados (Básico)
Portfólio
Segmentação de clientes de um supermercado
O objetivo deste projeto é segmentar os clientes de um supermercado com base em seus perfis de compra, utilizando o algoritmo K-Means e o método do cotovelo. Também será realizada uma análise descritiva dos dados.
Análise de Cesta de Consumo de um delivery
Análise de cesta de consumo aplicada a dados reais do delivery Zomato.
Uso dos algoritmos FP-Growth e Apriori para revelar padrões de compra e associações entre itens. Aplicações práticas em recomendação e otimização de ofertas.
Sistema de Recomendação MovieLens
Neste projeto, foi construído um sistema de recomendação de filmes que utiliza dados do site MovieLens. Foram testados 3 algoritmos: KNN, FP-Growth e SVD, o último obteve o melhor desempenho.
Linguagem R | Power BI
Linguagem Python | Power BI
Linguagem Python
Segmentação de clientes de um supermercado
O objetivo deste projeto é segmentar os clientes de um supermercado com base em seus perfis de compra, utilizando o algoritmo K-Means e o método do cotovelo. Também será realizada uma análise descritiva dos dados.
Análise de Cesta de Consumo de um delivery
Análise de cesta de consumo aplicada a dados reais do delivery Zomato.
Uso dos algoritmos FP-Growth e Apriori para revelar padrões de compra e associações entre itens. Aplicações práticas em recomendação e otimização de ofertas.
Linguagem R | Power BI
Linguagem Python | Power BI
Previsão da Rotatividade de Clientes de Telecomunicação
A rotatividade de clientes (churn) representa a probabilidade de um cliente deixar de utilizar os serviços de uma empresa.
Neste projeto, são aplicados modelos de Regressão Logística e Random Forest para prever o churn de clientes de uma empresa de telecomunicações.
Linguagem R
Sistema de Recomendação MovieLens
Neste projeto, foi construído um sistema de recomendação de filmes que utiliza dados do site MovieLens. Foram testados 3 algoritmos: KNN, FP-Growth e SVD, o último obteve o melhor desempenho.
Linguagem Python
Em breve, novos projetos serão adicionados.
Enquanto isso, você pode acessar todos os códigos e documentações no meu GitHub.
Em breve, novos projetos serão adicionados.
Enquanto isso, você pode acessar todos os códigos e documentações no meu GitHub.