Tecnologia em Ciência de Dados (2026) | Foco em Inteligência de Risco, Engenharia Analítica e Cibersegurança
Minas Gerais, Brasil | LinkedIn | Kaggle | Email

Portfólio com estudos de caso interativos, metodologia, avaliação técnica dos modelos e decisões de arquitetura documentadas:
ricsonramos.github.io

Profissional com trajetória desde 2016 em Operações e Segurança Pública, atuando em ambiente de alta criticidade no qual a integridade das informações, a identificação de padrões e a tomada de decisão sob risco são fundamentais.

Formado em Tecnologia em Ciência de Dados (2026) e cursando Bacharelado em Engenharia de Software, direciono minha atuação profissional para o desenvolvimento de soluções analíticas que conectam dados, tecnologia e inteligência de risco.

Em transição para o mercado de tecnologia, venho consolidando minha formação prática por meio de projetos de ponta a ponta com dados públicos, envolvendo modelagem preditiva, engenharia analítica, pipelines de dados, APIs e aplicações interativas. Priorizo reprodutibilidade técnica, documentação estruturada e avaliação criteriosa dos resultados.

• Foco Profissional: Oportunidades em Ciência de Dados, Análise de Dados e Engenharia Analítica, com interesse especial em inteligência de risco, prevenção a fraudes e cibersegurança.
• Competências Demonstradas em Código: Python, SQL, modelagem preditiva supervisionada (XGBoost, Scikit-learn), modelagem dimensional e testes de integridade (dbt Core, PostgreSQL), conteinerização (Docker, Docker Compose), APIs assíncronas (FastAPI) e interfaces analíticas (Streamlit).
• Em Desenvolvimento Contínuo: Inteligência de Ameaças (CTI), técnicas de investigação em fontes abertas (OSINT), análise de grafos, resolução de entidades e arquiteturas de inteligência artificial com RAG.

Ciência de Dados aplicada à inteligência de risco e à tomada de decisão, com foco na construção de pipelines e aplicações analíticas completas a partir de dados públicos.

Pipeline de aprendizado de máquina e MLOps para predição probabilística de cancelamentos e apoio à decisão de retenção.

• O que demonstra: Modelagem preditiva supervisionada, calibração probabilística, explicabilidade de variáveis e conexão direta entre predição e retorno financeiro estimado.
• Arquitetura e Implementação: Modelo XGBoost Native com avaliação de calibração, interpretabilidade via SHAP, rastreamento de experimentos com MLflow, versionamento de dados com DVC e aplicação interativa em Streamlit conteinerizada em Docker.
• Documentação e Código: Estudo de Caso | Repositório no GitHub

Plataforma moderna de engenharia analítica e modelagem dimensional aplicada a dados transacionais de e-commerce.

• O que demonstra: Organização e governança de dados, modelagem dimensional (Star Schema), testes de integridade automatizados e reprodutibilidade de pipelines analíticos.
• Arquitetura e Implementação: Ingestão de dados brutos em PostgreSQL, pipeline ELT estruturado em dbt Core com separação em camadas (staging, intermediate e marts), testes automatizados de unicidade e relacionamento, linting com SQLFluff e orquestração via Docker Compose.
• Documentação e Código: Estudo de Caso | Repositório no GitHub

Análise exploratória, segmentação de clientes e previsão de receita para o varejo.

• O que demonstra: Análise multivariada de vendas, agrupamento não-supervisionado de comportamento de compra e modelos de regressão supervisionada.
• Arquitetura e Implementação: Segmentação com K-Means Clustering para perfilamento de clientes, modelagem preditiva com Random Forest e aplicação analítica desenvolvida em Streamlit empacotada em Docker.
• Documentação e Código: Estudo de Caso | Repositório no GitHub

Terminal analítico para consumo de séries temporais econômicas públicas e avaliação de risco de mercado.

• O que demonstra: Desenvolvimento de serviços analíticos para além de notebooks, consumo estruturado de dados externos e exposição de métricas via API.
• Arquitetura e Implementação: Pipelines modulares em Python para ingestão de séries históricas de indicadores macroeconômicos, motor de cálculo de risco e serviço assíncrono em FastAPI conteinerizado em Docker.
• Documentação e Código: Estudo de Caso | Repositório no GitHub

• Tecnologia em Ciência de Dados — Faculdade Anhanguera (Concluído em 2026)
• Bacharelado em Engenharia de Software — Faculdade Gran (Em andamento)
• Trajetória Profissional: Operações e Segurança Pública (2016 — Presente)

• LinkedIn: linkedin.com/in/ricsonramos
• Kaggle: kaggle.com/ricsonramos
• Portfólio Web: ricsonramos.github.io
• E-mail: ricsonramos@outlook.com