// dados · inteligência artificial · decisão

camadaoculta

O que acontece entre o dado bruto e a decisão de negócio. Machine learning, estatística aplicada e IA generativa — com projetos reais, números reais e as partes em que os dados enganam.

Foto profissional de Valci Júnior
5+
anos de experiência em tecnologia
30+
repositórios públicos no GitHub
1
artigo publicado em journal internacional
2
pós-graduações em Dados & IA
// destaques

Prova, não promessa

Publicação científica internacional

Coautor do PISA (Porous Image Space Analysis), técnica de análise de poros em rochas reservatório publicada no Journal of Petroleum Exploration and Production Technology e premiada entre os melhores artigos do congresso Rio Oil & Gas (IBP).

Machine Learning ponta a ponta

Projeto completo de previsão de LTV com CRISP-DM: 38.753 clientes, do dado sujo ao deploy como ferramenta de decisão. Erro 60% menor que o baseline — e a calculadora de LTV que saiu dele está aberta para uso.

5+ anos em sistemas de produção

Analista Sênior e líder técnico na MadeiraMadeira: APIs, integrações com ERPs, testes, dashboards e agentes de IA aplicados à operação. Sei o que é código que precisa funcionar de verdade.

// portfólio

Projetos em destaque

ver todos os projetos →
5 agentes · RAG · atendimento 24/7

Ecossistema multiagente para atendimento

Cinco agentes de IA que vendem, acompanham e reativam clientes por e-mail — com identificação do remetente na base, respostas ancoradas no portfólio via RAG e ações reais no calendário.

n8nai-agentsrag
IA multimodal · extração estruturada

Conciliação fiscal com IA multimodal

Lê notas fiscais em PDF com IA multimodal, classifica, extrai os campos em schema estruturado e concilia contra o controle interno — substituindo horas diárias de digitação manual.

n8ngeminiautomação
no ar · ROC AUC 0,8692 · roda no navegador

Modelo de risco de inadimplência

Classificação sobre 150 mil solicitantes de crédito, com a probabilidade calibrada virando política de aprovação — e o modelo treinado rodando no seu navegador: preencha uma proposta e veja a decisão, o custo dos dois lados e a explicação SHAP daquele cliente.

lightgbmshapcredit-risk
// blog

Últimos artigos

todos os artigos →

1.115 lojas, 1 régua injusta: clusterização que vira meta

Uma rede aplicava +5% para todas as lojas. Cinco grupos de pares depois: 28,3% da venda explicada contra 2,8% do cadastro, meta por loja fechando a rede em 5,00% e R$ 51,4 mi por ano na mesa.

clusterizaçãok-meansvarejo

O modelo que reprovou no teste que eu mesmo escrevi

ARI de 0,755 tirando 20% das lojas. A cauda da sazonalidade que eu "corrigi" com log era um grupo real de 65 lojas — e a média simples das metas escondia R$ 19 milhões.

estabilidadefeature-engineeringmetas

O modelo saiu do notebook

A implantação que quase todo portfólio pula — e o modelo de risco reescrito para rodar dentro do navegador, conferido contra o original em 400 clientes. Teste o app →

deployexplicabilidadeshap

Dois modelos empatados e 25 pessoas de diferença

Vitória por 0,000062 de ROC AUC que o bootstrap dissolve em cara ou coroa. O desempate vem do custo da carteira — e revela que o algoritmo valeu 0,3% enquanto o limiar valeu 40%.

lightgbmcusto-esperadobootstrap
// ferramentas

Stack & competências

> linguagens & dados

PythonSQLPandasNumPyPostgreSQLMySQLMongoDB

> machine learning & deep learning

Scikit-LearnPyTorchKerasEstatística aplicadaCRISP-DMVisão computacional

> ia generativa & llms

LangChainAI AgentsHugging FaceOpenAI APIPrompt EngineeringRAG / NotebookLMMCP

> engenharia & visualização

FastAPIAPIs & IntegraçõesETLAutomação / RPAPower BILookerStreamlitGit & GitHub

Vamos conversar?

Estou aberto a oportunidades em Ciência de Dados, Machine Learning e Engenharia de IA — e sempre disposto a trocar ideia sobre dados, modelos e decisões.