Alesson Santos da Silva

Cientista de dados sênior na instituição financeira Itaú Unibanco. Graduado em engenharia de produção pela Escola de Engenharia de Lorena da USP (EEL USP) e MBA em ciência de dados pelo Instituto de Ciências Matemáticas e de Computação da USP (ICMC USP). Durante o bacharelado, participou de vários projetos de extensão com diferentes instituições. Entre eles, destacam-se: projeto de cultura e extensão com bolsa PUB-USP na área de modelagem de jogos científicos para utilização em sala de aula, sob a orientação da professora doutora Gabrielle Weber Martins, e projetos de treinamento técnico e iniciação científica com bolsa FAPESP na área de produção de bioprodutos (xilitol e etanol) a partir de variados tipos de biomassa, sob a orientação do professor doutor Silvio Silvério da Silva. Realizou um estágio de pesquisa no exterior com bolsa fornecida pela FAPESP, que consistiu em uma colaboração entre o laboratório de bioprocessos do professor doutor Silvio Silvério da Silva, na Escola de Engenharia de Lorena da Universidade de São Paulo, e o laboratório de biorrefinaria do professor doutor Sudip Kumar Rakshit, na Universidade de Lakehead (Thunder Bay, Ontário, Canadá). Apresentou trabalhos de conclusão de curso na graduação e no MBA com os seguintes temas, respectivamente: "Uso das técnicas de undersampling e gradient boosting na modelagem de um problema de classificação binária com base desbalanceada", sob orientação da professora doutora Mariana Pereira de Melo, e "Aplicação de algoritmos ensemble na avaliação de estratégias utilizadas para o manuseio de classes desbalanceadas", sob a orientação do professor doutor Adriano Kamimura Suzuki. Atualmente, trabalha como cientista de dados sênior no Itaú Unibanco, na área de modelagem de risco de crédito e faturamento do varejo PJ, utilizando ferramentas como Python, SQL, Amazon Web Services, Apache Spark, Apache Hadoop, Git, GitHub e pacote Office. Suas tarefas abrangem processos de ETL, pré-processamento, análise estatística, modelagem e aplicação de algoritmos de machine learning na resolução de problemas de negócio. Com suas experiências acadêmicas e profissionais, consolidou conhecimentos sobre várias tecnologias, tais como: utilização de métodos de aprendizado de máquina supervisionado e não supervisionado; aplicação de bibliotecas Python, como matplotlib, numpy, scikit-learn, imbalanced-learn, seaborn, scipy, statsmodel e xgboost; implantação de modelos utilizando ferramentas da AWS; e automatização de processos de ETL com AWS Glue e PySpark. (Fonte: Currículo Lattes)