LUMEANALYTICSlume --skills

// toolkit · v.2026

Um arsenal forjado para decisões críticas em tempo real.

Cada ferramenta abaixo foi escolhida com cicatriz de produção. Não é uma lista de cursos — é o que efetivamente entrega valor em ambientes hostis, com SLAs apertados e dados sujos.

8+
anos em produção
50+
modelos deployados
12
setores atendidos
99.95%
uptime médio
// 01 — ranking de proficiência

Onde a agulha bate forte

Níveis calibrados por anos de uso real. Ordene por proficiência, impacto em produção ou score combinado — e filtre por área.

// ordenar por
// área
  • 1Python topprof 95%impacto 96%96
  • 2SQL & Data Warehousing topprof 92%impacto 94%93
  • 3Machine Learning topprof 90%impacto 92%91
  • 4Data Visualizationprof 88%impacto 85%87
  • 5MLOps & Cloudprof 80%impacto 88%84
  • 6Deep Learningprof 82%impacto 78%80
  • 7Streaming (Kafka/Spark)prof 75%impacto 82%79
  • 8NLP & RAGprof 78%impacto 74%76
competências principais
#1Python#2SQL & Data Warehousing#3Machine Learning
~/lume/skills.sh

$ lume --inspect skills

› mindset: first-principles

› superpoder: traduzir negócio ↔ modelo

› obsessão: latência sub-segundo

› rotina: code review + paper review

› entrega: do dado bruto ao P&L

✓ ready_to_ship · status: online

// 02 — comparador interativo

SQL × Python × Dashboards

Toggle as ferramentas e veja proficiência, casos ideais e benchmarks reais de latência/throughput. Cada barra carrega o impacto que ela gera em produção.

// comparar:

// proficiência relativa

SQL95%
Python92%
Dashboards90%
95%

SQL

Modelagem dimensional, CTEs, window functions, otimização de planos de execução e tuning de índices em ClickHouse, BigQuery, Snowflake e Postgres.

180 ms
p95 query OLAP
12k qps
throughput
−47%
redução custo

// ideal_para

AgregaçõesJoins pesadosOLAP em tempo realAuditoria
benchmark · latência / throughput
  • Top-10 KPIs (90 dias)120 ms·8k qps
  • Janela móvel 5min210 ms·3k qps
  • Drill-down 6 dimensões340 ms·1.2k qps
92%

Python

Pipelines de dados, modelagem ML/DL, APIs FastAPI, scripts de produção e workers de streaming. Ecossistema completo: pandas, polars, scikit-learn, PyTorch.

85 ms
p95 inferência
4.5k rps
throughput API
30+
modelos em prod

// ideal_para

Modelagem MLETL customAPIsStreaming consumers
benchmark · latência / throughput
  • Score XGBoost (1k features)12 ms·9k rps
  • Embedding BERT-base55 ms·2k rps
  • ETL diário (200M linhas)8 min·—
90%

Dashboards

Power BI, Tableau, Looker, Grafana e dashboards customizados em React. Foco em legibilidade executiva, drill-down acionável e refresh sub-minuto.

<5 s
refresh ao vivo
120+
dashboards entregues
12 BUs
adoção C-level

// ideal_para

StorytellingDrill-downAlertas visuaisC-level
benchmark · latência / throughput
  • Painel ao vivo (15 widgets)1.8 s·—
  • Refresh KPIs financeiros4 s·—
  • Export PDF executivo9 s·—
// 03 — constelações

Quatro frentes, uma engrenagem

Linguagem, modelagem, dados e deploy se conectam num ciclo único de entrega.

// 04 — toolkit completo

Stack pleno · sem placeholder

Cada item testado em produção, em pelo menos um setor de impacto. Use a busca para encontrar uma ferramenta específica.

› 37 de 37 ferramentas

Linguagens

5
  • ›Python
  • ›SQL
  • ›R
  • ›Scala
  • ›Bash

ML / Deep Learning

5
  • ›scikit-learn
  • ›XGBoost
  • ›PyTorch
  • ›TensorFlow
  • ›Hugging Face

Tempo Real / Streaming

5
  • ›Kafka
  • ›Spark Streaming
  • ›Flink
  • ›ClickHouse
  • ›Redis

Engenharia de Dados

5
  • ›Airflow
  • ›dbt
  • ›Snowflake
  • ›BigQuery
  • ›PostgreSQL

Visualização

5
  • ›Power BI
  • ›Tableau
  • ›Looker
  • ›Grafana
  • ›Streamlit

Cloud / MLOps

6
  • ›AWS
  • ›GCP
  • ›Docker
  • ›Kubernetes
  • ›MLflow
  • ›FastAPI

Gestão de Projetos

6
  • ›Agile/Scrum
  • ›Kanban
  • ›CRISP-DM
  • ›OKRs
  • ›Jira
  • ›Notion