Sou Gabriel Furtado. Minha trajetória começou em Marketing & Analytics e hoje construo sistemas de ML end-to-end — da modelagem ao deploy.
Modelagem é apenas uma parte. O que me interessa é transformar uma hipótese em um sistema reproduzível, testável e utilizável.
Criei um sistema que lê um texto médico e indica a área clínica e o nível de urgência. O modelo é só uma parte: construí em volta dele tudo que um serviço real precisa — retreino automático, testes, monitoramento e uma API rápida.
A mudança para Data Science não apagou minha experiência anterior — ela virou contexto para modelagem, métricas e tomada de decisão.
Gestão de campanhas de performance, análise de CAC e ROAS, funil de conversão, atribuição multicanal e testes A/B. Essa experiência criou a ponte entre problemas de negócio e modelagem preditiva.
A tecnologia entra depois do problema. Meu processo combina modelagem, engenharia e entendimento do impacto de negócio.
Baselines, métricas adequadas, experimentação e escolhas que façam sentido para o problema.
Versionamento, tracking, reprodutibilidade e testes para que um resultado possa ser repetido.
FastAPI, Docker e CI/CD para tirar o modelo do notebook e colocá-lo em uso.
Threshold, custo, risco, experiência do usuário e a pergunta que o modelo precisa responder.
Você pode usar os modelos diretamente por aqui. Na primeira tentativa, pode levar alguns segundos para o serviço iniciar.
Minha formação combina Ciência de Dados e Administração. Isso me ajuda a olhar para um sistema de ML tanto pela métrica do modelo quanto pela decisão que ele precisa suportar.
Depois de Data Analytics, o próximo passo foi Machine Learning Engineering: aprofundar o ciclo de vida completo do modelo — treinamento, serving, versionamento, testes e monitoramento.
Hoje busco oportunidades em Data Science / ML Engineering em São Paulo, em modelo híbrido ou remoto.
Estou aberto a oportunidades e conversas sobre Data Science, Machine Learning e sistemas de ML em produção.