Esse trabalho representa o monitoramento de todo ciclo de crescimento da planta após a colheita. Por meio de pontos estrategicamente posicionados e georreferenciados, definimos um ciclo de montagem e coleta das armadilhas e apontamentos via App. Mapeada a infestação, o monitoramento então sugeria: os momentos mais adequados para aplicação; produtos a serem utilizados; ciclos de remontagem das armadilhas; e áreas mais afetadas. Como resultado, a otimização da aplicação em áreas de alta densidade de pragas permitia a redução de custos operacionais, insumos, e efetivamente resultou em uma queda acentuada dos indices de infestação para menos de 1%.
Esse trabalho é um monitoramento das atividades operacionais realizadas pelas colheitadeiras e outros equipamentos agrícolas usados na colheita de cana-de-açucar. Por meio da sumarização de dados de computadores de bordo, foi possível monitorar diariamente diferentes indicadores, possibilitando a correção de eventuais problemas que outrora só eram percebidos nos fechamentos mensais.
Neste incrível trabalho realizado em R, realizo a leitura de diversos elementos de várias análises de solo em diferentes profundidades e no decorrer de vários anos. Em seguida, por meio de cálculo específico, estabeleço uma frequência e represento a evolução das amostras ao longo dos anos em um gráfico comparativo clusterizado.
Trabalho de automação realizado para otimizar a compilação de diversos arquivos de análises ambientais de diferentes fazendas. Tais análises continham uma infinidade de elementos químicos análisados, e estes resultados precisavam ser compilados, analisados e posteriormente enviados para o orgão regulador. O trabalho de digitar tais informações seria impraticável, podendo levar a dias. Com a ajuda do R, criei esse programa para realização da leitura e exportação dos resultados para um arquivo .xls, otimizando o trabalho de dias para questão de minutos.
🔌 Integrar diferentes sistemas especialistas é um desafio para a maior parte das empresas.
Foi um projeto complexo, e que tenho muito carinho. Fico feliz em partilhar a estrutura. Espero que apreciem... 😉
🎈Streamlit é uma poderosa ferramenta para criar e compartilhar aplicativos de dados via web. Tenho usado para compartilhar análises, com a vantagem de permitir que o usuário interaja com a aplicação, filtrando ou passando parâmetros para processamento no momento da consulta. As aplicações em Streamlit são geralmente simples, mas é possível conceber aplicações mais robustas.
No vídeo abaixo, mostro como estou desenvolvendo uma aplicação um pouco mais complexa, que servirá para automatizar tarefas internas e acompanhar as atualizações dos processos de ETL em banco de dados.
Além do sistema de autenticação por login, estou aplicando o padrão de desenvolvimento MVC (Model, View, Controller) para melhor organização do código; conectando ao banco de dados Sql Server e implementando o aproveitamento de dados em cache. 🚀
Ver documentação: https://streamlit.io/ 🎈
Análise de dados realizada sob dados do agro. Análise das paradas produtivas e improdutivas na colheita de cana-de-açúcar, visando eficiência logística e aumento da produção. Trabalho científico realizado em parceria com Alex Felipe Barbosa, usando Metodologias Ágeis, Banco de Dados, e Big Data com Python.
Análise estatística descritiva, realizada como estudo na mentoria de Data Science que tenho feito. Avaliamos um cenário de Churn de clientes em uma rede de restaurantes. O objetivo era avaliar se a localização dos restaurantes influenciava significativamente no gasto médio e níveis de satisfação do cliente. Avaliamos as principais estatisticas descritivas da base de clientes, separamos pro grupos de clientes, e pudemos inferir alguns resultados interessantes.
Nessa apresentação demonstro como tenho usado a ferramenta Deneb nos últimos 2 anos para criação de visuais altamente personalizados em Power BI. Apresento um caminho útil para quem deseja se aprofundar e criar os primeiros visuais customizados usando a linguagem de programação Vega Lite. Exemplos de visuais customizados da documentação são apresentados, para dar uma dimensão real do potencial da ferramenta.
Semelhante ao Deneb, Charticulator também é uma ferramenta poderosa para criar visuais personalizados em Power BI, mas não exige conhecimento em programação. A ferramenta permite criar visuais complexos e interativos, com base em dados do Power BI. Charticulator tem uma abordagem drag in drop, primeiro desenhamos os componentes: retângulos, círculos, linhas e pontos na tela, ancoramos cada elemento em um ponto fixo da moldura, e então arrastamos os dados para compor o visual. É uma ferramenta interessante para quem deseja criar visuais personalizados sem precisar aprender a linguagem Vega Lite.
Nessa apresentação detalho as etapas executadas para processar e analisar textos em Python, utilizando expressões regulares Regex, classes e métodos, que possibilitaram um melhor reaproveitamento de código.
Nesse trabalho, busco apresentar logicamente as etapas empregadas para analisar documentos diferentes, sumarizá-los, e gerar um relatório final. O pipeline foi desenvolvido em Python, utilizando a biblioteca LangChain, e treinando conceitos de prompt, templates, chuncking, map e reduce, para gerar um resultado final consistente e confiável.
Nesse trabalho, realizo o webscraping de dados do site da B3, coletando informações sobre os mercados de ações e opções. Utilizando Python com Pandas e Requests, extraímos dados relevantes para análise financeira, permitindo a visualização e download dos dados para criação de relatórios e dashboards para investidores e analistas de mercado. Apesar de usar Requests, uso @cache com decorators, para evitar a frequente consulta e ser bloqueado pela API da B3. Esse ainda é um projeto que pode evoluir para inclusão de gráficos e uso de Inteligência Artificial.