Projeto end-to-end de Ciência de Dados para previsão de vendas das lojas Rossmann, utilizando um modelo XGBoost, desde a análise exploratória até o deploy em produção via API.
🔹 Destaques:
- Regressão em séries temporais
- Feature engineering
- Modelo XGBoost
- API em Flask para inferência em tempo real
- Integração com bot no Telegram
🔗 Repositório:
https://github.com/polloncarlos/rossmann_sales_predict
Projeto end-to-end de Machine Learning para ranquear clientes por propensão à compra de seguro veicular, maximizando uplift de negócio com métricas como Gain, Lift e Precision@K.
🔹 Destaques:
- Classificação binária e ranking
- Modelos Random Forest e XGBoost
- Métricas: Gain, Lift, Precision@K, NDCG
- Estimativa de uplift financeiro
- API em Flask + integração com Google Sheets
🔗 Repositório:
https://github.com/polloncarlos/health_insurance_ranking