Sobre Mim
Graduada em Estatística pela Universidade Federal de Santa Maria (UFSM), com mais de três anos de experiência em pesquisa aplicada em modelagem estatística e análise de dados.
Atualmente trabalho como Assistente de Dados na Miner BI, alocada na Ambev, com dados em escala no Databricks (PySpark e SQL). Sou responsável pelas análises de OTIF (On Time In Full), atuo na validação de dados para geração de tarefas, no monitoramento de pipelines de dados e no versionamento de código com Git, com abertura de pull requests.
Fui bolsista por quase quatro anos no projeto de pesquisa “Modelos dinâmicos para variáveis positivas ou duplamente limitadas”, vinculado ao Instituto Serrapilheira. Atuei no desenvolvimento e ajuste de modelos para dados contínuos, positivos e limitados, com estimação por máxima verossimilhança, simulação e avaliação de desempenho dos modelos, incluindo a proposta de uma nova distribuição unitária inflacionada (UBXII). Também desenvolvi projetos com análise exploratória, regressão, séries temporais, previsão e análises espaciais.
Trabalho com Python (NumPy, SciPy e scikit-learn), R, SQL, PySpark, técnicas de Machine Learning, Power BI e QGIS, com base sólida em inferência, probabilidade e modelagem estatística. Gosto de comunicar resultados para públicos técnicos e de negócio, com apresentações em congressos nacionais e internacionais e produção de conteúdo de divulgação científica.
Experiência Profissional
Assistente de Dados
Miner BI (alocada na Ambev, time Tasks Bees Force) | mar 2026 - Atual
- Responsável pelas análises de OTIF (On Time In Full), principal indicador logístico do time: monitoramento, investigação de desvios e geração de análises para apoiar decisões operacionais.
- Análises no processo de validação e geração de tarefas do Tasks Bees Force.
- Desenvolvimento e manutenção de rotinas de processamento de dados no Databricks com PySpark e SQL, em ambiente de grande volume de dados.
- Monitoramento da execução de pipelines de dados (DAGs).
- Versionamento de código com Git, abertura e revisão de pull requests no fluxo de desenvolvimento do time.
- Participação em projetos de migração de dados e processos entre ambientes e plataformas.
Estagiária em Iniciação Científica
Universidade Federal de Santa Maria | set 2022 - Atual
- Atuei na área de estatística com ênfase em teoria de distribuições, modelos dinâmicos e de regressão para séries temporais duplamente limitadas. Desenvolvo propostas metodológicas inovadoras, como uma nova distribuição unitária inflacionada (UBXII). Utilizo a linguagem R para a implementação computacional e análise dos modelos. Paralelamente, dedico-me à divulgação científica e projeto de extensão da estatística da Universidade Federal de Santa Maria, com a criação de conteúdos acessíveis sobre estatística.
- Possuo ampla participação em eventos acadêmicos e científicos, com destaque para o 25º e 26º SINAPE (Simpósio Brasileiro de Probabilidade e Estatística), 1º e 2º SouthStat Meeting - Encontro Sul-Brasileiro de Estatística e Ciência de Dados, 30º e 31º Jornadas de Jóvenes Investigadores da Asociación de Universidades Grupo Montevideo (AUGM), além de diversas Semanas Acadêmicas de Estatística. Apresentei trabalhos relacionados à educação estatística, desenvolvimento de ações extensionistas por meio de redes sociais e modelagem estatística aplicada, como no estudo da distribuição Burr XII unitária inflacionada. Em 2023, recebi a Distinción de Presentación Póster - Ganador de la Sala Temática na 30ª Jornada de Jóvenes Investigadores da AUGM, em reconhecimento à qualidade do trabalho apresentado. Também publiquei trabalhos completos e resumos em anais de congressos nacionais e internacionais, abordando temas como a democratização do ensino de estatística, análise de dados com Python e comunicação científica através de novas mídias. Ademais, participei ativamente na criação de materiais para redes sociais e vídeos de divulgação científica no âmbito do projeto StatUFSM.
-
Ao longo da graduação, atuei em diversos projetos de pesquisa, extensão e ensino com ênfase na aplicação e divulgação da Estatística em contextos acadêmicos e sociais.
- Pesquisa:
- "Modelos dinâmicos para variáveis aleatórias duplamente limitadas: como prever indicadores de desenvolvimento sustentável?" (2023 - 2026), que visa desenvolver novos modelos autoregressivos (GAS) baseados em distribuições alternativas à Beta, com aplicações em indicadores dos ODS, como mortalidade, energia limpa e mudanças climáticas.
- Extensão:
- StatUFSM: A Estatística ao alcance de todos (2022 - 2026): produção de conteúdos visuais e audiovisuais sobre Estatística e Ciência de Dados, com foco em democratização do conhecimento via redes sociais, dashboards interativos e eventos presenciais.
- CodeQ (2023 - 2024): desenvolvimento de uma plataforma educacional voltada à introdução intuitiva à programação na Engenharia.
- Criação de material didático para oficinas e museu de matemática (2023 - 2025): elaboração de materiais interativos e oficinas para estudantes e professores da Educação Básica, incentivando o ensino lúdico de matemática.
- Ensino:
- "Uso de redes sociais e conteúdos digitais como ferramenta de ensino em Estatística" (2022 - 2024): promove a criação de recursos educacionais online e estratégias de comunicação científica voltadas à formação de estudantes e interessados na área.
- Pesquisa:
Analista de Dados e Segurança da Informação | LGPD
eGestor | nov 2022 - set 2023
- Realizei a análise e interpretação de dados para impulsionar decisões estratégicas de negócios.
- Construí indicadores e dashboards com Python e Looker Studio.
- Atuei na resolução de problemas relacionados à Lei Geral de Proteção de Dados (LGPD), com análise de dados e geração de relatórios e dashboards interativos para o acompanhamento dos dados da empresa.
Habilidades
Técnicas
- Python (Pandas, NumPy, SciPy e scikit-learn)
- R
- SQL
- Databricks, PySpark
- Azure
- Git, GitHub
- Jupyter
- Power BI, Looker Studio
- QGIS
Soft Skills
- Trabalho em equipe
- Comunicação clara
- Resolução de problemas
- Gestão de tempo
- Aprendizado contínuo
Idiomas
- Português - Nativo
- Inglês - Intermediário
Estatística
- Inferência, probabilidade e modelagem estatística
- Modelos probabilísticos (Normal, Poisson, Binomial)
- Estatística descritiva (localização, dispersão, assimetria, curtose, densidade)
- Regressão e Modelos Lineares Generalizados (MLG)
- Construção de modelos de séries temporais e previsão
- Algoritmos de regressão, classificação e clusterização
- Métricas de performance (RMSE, MAE, MAPE, matriz de confusão, precisão, recall, curva ROC, AUC, curva Lift, Silhouette Score, DB-Index)
Banco de Dados e SQL
- Formação acadêmica de 180 horas nas disciplinas de Banco de Dados, Banco de Dados Espaciais I e Banco de Dados Espaciais II.
- Modelagem conceitual e relacional, normalização, consultas SQL avançadas, joins, subconsultas e funções espaciais.
- Dados geográficos, tipos geométricos, consultas espaciais e integração entre bancos de dados e sistemas de informação geográfica.
- Atividades práticas e exercícios documentados nos repositórios públicos do meu GitHub.
Projetos
Análise e Monitoramento da Velocidade do Vento em Brasília (2001-2018)
O estudo analisa a velocidade média do vento em Brasília (2001–2018) por meio de uma abordagem integrada de séries temporais e Controle Estatístico de Processo. Um modelo SARIMA é ajustado para remover dependência temporal e sazonalidade, seguindo a metodologia Box-Jenkins. A adequação do modelo é validada por diagnósticos de resíduos (Ljung-Box e Shapiro-Wilk). Os resíduos são então monitorados via gráfico de controle para valores individuais, avaliando a estabilidade do processo.
Ver ProjetoAnálise do Saldo de Emprego do Maranhão (2007–2017)
O trabalho analisa a série temporal mensal do saldo de emprego no Maranhão (2007–2017), investigando sua volatilidade, ciclos e padrões sazonais. São aplicadas técnicas de decomposição e testes de raiz unitária para avaliar estacionariedade e tendência. Um modelo SARIMA é ajustado e validado por meio de diagnósticos dos resíduos. O modelo validado é utilizado para gerar previsões dentro e fora da amostra, subsidiando análises do mercado de trabalho. Os resultados contribuem para a compreensão da dinâmica do emprego no estado, oferecendo subsídios quantitativos para planejamento e formulação de políticas públicas.
Ver ProjetoAnálise e Predição de Aprovação de Empréstimos
O projeto desenvolve um fluxo completo de modelagem preditiva para aprovação de empréstimos, desde a exploração e preparação dos dados até a avaliação de modelos de classificação. São comparados algoritmos como Regressão Logística, SVM e Random Forest quanto à capacidade preditiva e generalização. O desempenho é analisado por métricas de classificação, calibragem probabilística e curvas de aprendizado. A importância das variáveis é utilizada para apoiar a interpretação dos resultados e a tomada de decisão. Os resultados evidenciam os principais fatores associados à aprovação de crédito, auxiliando nas decisões automatizadas em contextos financeiros.
Ver ProjetoModelo de Regressão com base na Distribuição Burr XII unitária inflacionada em zero ou uns
A distribuição Burr XII unitária (UBXII) é uma ferramenta útil para modelar dados contínuos restritos ao intervalo (0, 1). No entanto, ela não acomoda dados que incluem valores exatos de zero e/ou um. Para superar essa limitação, este trabalho propõe modelos de regressão inflacionados em zeros (ZIUBXII) ou uns (OIUBXII), que combinam uma distribuição discreta para lidar com a inflação e a distribuição UBXII para os valores no intervalo aberto. . O trabalho apresenta a formulação teórica, a estimação via máxima verossimilhança e a aplicação prática do modelo utilizando o pacote GAMLSS em R.
Ver ProjetoAnálise Estatística de fatores socioeconômicos e geográficos associados à Mortalidade Infantil
Análise de regressão com distribuição Binomial Negativa para modelar a mortalidade infantil no Paraná, em 2010. O projeto focou em seleção de variáveis, diagnóstico de modelo e validação estatística, demonstrando o impacto de fatores como latitude, longitude e IFDM.
Ver ProjetoAnálise de Dados Eleitorais com QGIS (em andamento)
O projeto capacita o uso do QGIS para análise espacial de dados eleitorais e censitários brasileiros, integrando cartografia temática e ciência política. Aborda técnicas de geoprocessamento, visualização e automação de mapas, com dados do TSE e IBGE. Explora fundamentos da geografia eleitoral, autocorrelação espacial e identificação de padrões de voto. Enfatiza boas práticas de inferência espacial, prevenindo a falácia ecológica e apoiando análises socioeleitorais rigorosas.
Ver Projeto