Winicius B. Faquieri

• Liderança técnica da equipe, com treinamentos e disseminação de boas práticas em ciência de dados e engenharia de dados;
• Coordenação de projetos de Data Analytics, da concepção à entrega;
• Concepção e implementação de arquitetura de Data Lake no Azure Synapse Analytics, em múltiplas camadas (zonas Bronze, Silver e Gold), com foco em qualidade e governança dos dados para Business Intelligence;
• Desenvolvimento e otimização de procedures SQL e Teradata para cálculo de indicadores e melhoria de desempenho dos bancos de dados;
• Desenvolvimento de clusterização semântica com embeddings da OpenAI, HDBSCAN e Python para análise de textos;
• Aplicação de Modelos de Linguagem de Grande Escala (LLMs) para o desenvolvimento de soluções corporativas.

Na Red, desenvolvi análises e relatórios de apoio às áreas de negócio. Construí dashboards em Shiny para visualização de dados em tempo real e monitoramento contínuo de modelos de Machine Learning em produção, alinhados às práticas de MLOps.

Apliquei ferramentas de monitoramento para qualidade dos dados e observabilidade dos modelos, e mantive dashboards em R e Shiny para acompanhamento de KPIs.

Participei da implementação de modelos de Machine Learning em produção, utilizando Python e bibliotecas como Scikit-learn, LightGBM, XGBoost, FastAPI e Plumber. Também colaborei na otimização de consultas SQL.

No IBRE, realizei análises de dados com R, Python e SQL. Desenvolvi e implementei modelos de Machine Learning em projetos ad hoc, aplicando técnicas estatísticas a problemas de negócio.

Criei dashboards interativos para storytelling de dados e explorei grandes volumes de dados com BigQuery para apoio à decisão.

Desenvolvi soluções para automatizar processos das áreas de negócio. Também colaborei em estudos setoriais e representei a instituição em reuniões e eventos, comunicando questões técnicas a diferentes partes interessadas.

Atuei em projetos de pesquisa em micro e macroeconomia, com foco na análise econométrica dos efeitos fiscais dos royalties do petróleo sobre o gasto público e o bem-estar municipal. Realizei coleta e tratamento de microdados (RAIS, ANP, FINBRA, entre outros) e estimativas de modelos com dados em painel (efeitos fixos), utilizando R, Stata e Excel.

Atuei como palestrante convidado no painel “Aprimoramento das Políticas Públicas com o uso de Inteligência Artificial”, representando a Macroplan Consultoria e Analytics. Durante a palestra (3h de duração), destaquei como a IA pode apoiar políticas públicas quando aliada a:

• Dados de qualidade;
• Adaptação ao contexto local;
• Capacitação de servidores.

O evento reuniu gestores públicos e especialistas em inovação governamental para discutir ética, transparência e proteção de dados no uso de IA.

Apresentei minha dissertação de mestrado sobre modelos estocásticos aplicados a finanças, destacando a relevância da variável “conveniência” na precificação de commodities no contexto da financeirização.

Curso disciplinas do programa de pós-graduação em Computação do Instituto de Computação da UFF na condição de aluno avulso, aprofundando fundamentos teóricos de aprendizado de máquina e de algoritmos.

• Aprendizado de Máquina — concluída, nota final 8,1/10;
• Estrutura de Dados e Algoritmos — em andamento.

Desenvolvi projetos em algoritmos supervisionados para classificação, engenharia de Machine Learning e processamento de linguagem natural com Python. Também trabalhei em mineração de texto com o Elastic Stack (ELK) e em redes neurais e modelos de Deep Learning com TensorFlow.

Outros projetos envolveram algoritmos não-supervisionados para clusterização e a validação desses modelos. Utilizei ferramentas como Python, TensorFlow, Jupyter, Elasticsearch, Pandas, NLP, scikit-learn, AutoML, Dash, SVM, Plotly, MLflow e Kedro.

Mestrado com ênfase em Finanças Quantitativas e Análise de Risco, com formação em modelagem financeira e análise de séries temporais em R. Nas publicações decorrentes da pesquisa, trabalhei modelos estocásticos aplicados à análise de risco e a estratégias de hedging, e o papel de variáveis como taxa de juros e volatilidade na previsão de preços e na gestão de portfólios.