🚀 Apaixonado por Ciência de Dados, Machine Learning e Desenvolvimento de Software.
- Aplicativo de Controle Parental (Backend em Django + Frontend em React Native)
- Análise de Dados e Machine Learning para otimização de processos
- GitHub: @marcelohxt
- LinkedIn: Marcelo Henrique
- Instagram/Facebook/Discord: @marcelohxt | marcelohxt
- Email: [email protected]
- Criar soluções inovadoras com machine learning e inteligência artificial.
- Melhorar constantemente meus skills em desenvolvimento full-stack.
- Colaborar em projetos de impacto positivo para a comunidade.
- Controle Parental App – Monitoramento e gerenciamento de dispositivos dos filhos usando Django e React Native.
- Dashboard de Análise de Dados – Visualização interativa e insights de dados complexos.
- MCP‑WHATSAPP – Servidor Webhook em Python + FastAPI que integra a API do WhatsApp Business, com comandos customizados, persistência de dados e testes automatizados.
- Interface‑Sender - interface de envio massivo de mensagens no WhatsApp, combinando JavaScript, HTML/CSS e scripts Python para automação.
- Mega‑Senna Predictor - Simulador de apostas da Mega‑Sena em Django, com cálculo de probabilidades, análise de resultados históricos e dashboard interativo.
- TenoTec Website - Site institucional da construtora TenoTec desenvolvido com Next.js + TailwindCSS, pronto para deploy na Vercel.
- RezonTec Website - Plataforma corporativa criada em React/Next com design responsivo, animações Framer Motion e dockerização para produção
- Painel de Indicadores com API Sienge – Desenvolvimento de um painel interativo utilizando Python e Dash/Plotly, integrado à API do ERP Sienge para coleta automatizada de dados de obras, clientes e faturamento. Construção de relatórios executivos – Geração de relatórios dinâmicos e dashboards automatizados com Pandas, SQL e Power BI, otimizando a tomada de decisão em projetos de engenharia civil e gestão.
Microsserviços com Python, Docker & Kubernetes
RAG (Retrieval‑Augmented Generation) aplicado a chat‑bots corporativos
Observabilidade em pipelines de dados e modelos de ML
✨ Contribuições abertas, questões e discussões são sempre bem-vindas!