Descrição: Nesta oficina, vamos construir, na prática, um projeto completo de
Ciência de Dados, partindo de uma base de dados real e passando pelas principais
etapas de um pipeline de Machine Learning. Vamos explorar e entender os dados,
identificar padrões e possíveis problemas, realizar Análise Exploratória de
Dados (EDA), preparar e transformar as variáveis por meio de Feature Engineering
e, então, desenvolver modelos de classificação para prever um determinado evento
ou comportamento.

Ao longo do projeto, também vamos discutir divisão entre treino e teste, seleção
de variáveis, treinamento e comparação de modelos, métricas de avaliação e
interpretação dos resultados, conectando cada decisão técnica ao problema de
negócio.

Oficineiro: Gabriel Ortelan 


Sou Gabriel Ortelan, Estatístico, Data Scientist e professor. Sou formado em
Estatística, com Mestrado e Doutorado em Bioestatística pela UNICAMP, e construí
minha trajetória profissional na interseção entre Estatística, Ciência de Dados
e Machine Learning.

Atualmente, atuo como Senior Data Analyst no Itaú, trabalhando com análise de
dados, modelagem estatística, Machine Learning e desenvolvimento de soluções
orientadas a dados para problemas reais de negócio. Antes disso, atuei como Data
Scientist na Cielo, experiência na qual também tive a oportunidade de aplicar
modelos preditivos em problemas de negócio e participar de iniciativas de
inovação.

Além da atuação no mercado, sou professor na FIAP, onde compartilho
conhecimentos de Estatística, Álgebra Linear, Ciência de Dados e Machine
Learning com profissionais que estão se desenvolvendo na área.

Minha formação acadêmica e experiência profissional me permitem transitar entre
diferentes etapas de um projeto de dados — desde a exploração e compreensão dos
dados, passando pela modelagem estatística e Machine Learning, até a
interpretação dos resultados e sua aplicação na tomada de decisão.

Nesta oficina, quero trazer um pouco dessa experiência para mostrar que Ciência
de Dados não é apenas construir modelos: é entender o problema, explorar os
dados, fazer boas perguntas, escolher as ferramentas adequadas e transformar os
resultados em decisões.