https://github.com/esscova/data-science

Repositório com projetos e materiais de estudo em data science
https://github.com/esscova/data-science

association-rules classification clustering ml python regression streamlit time-series

Last synced: about 2 months ago
JSON representation

Repositório com projetos e materiais de estudo em data science

• Host: GitHub
• URL: https://github.com/esscova/data-science
• Owner: esscova
• License: mit
• Created: 2024-09-20T09:23:13.000Z (almost 2 years ago)
• Default Branch: main
• Last Pushed: 2025-01-03T11:04:51.000Z (over 1 year ago)
• Last Synced: 2025-01-03T12:22:24.717Z (over 1 year ago)
• Topics: association-rules, classification, clustering, ml, python, regression, streamlit, time-series
• Language: Jupyter Notebook
• Homepage:
• Size: 6.9 MB
• Stars: 0
• Watchers: 1
• Forks: 0
• Open Issues: 0
• Metadata Files:
  • Readme: README.md
  • License: LICENSE

Awesome Lists containing this project

README

          
# Data Science Learning Repository

Este repositório armazena meus estudos, experimentos e implementações de técnicas e algoritmos na área de Data Science. Cada projeto explora conceitos fundamentais de Machine Learning, organizados por técnicas como classificação, regressão e agrupamento, com notebooks, scripts e relatórios documentando o processo de aprendizado.



	



## Estrutura do Repositório

Abaixo está a estrutura geral do repositório, organizada em categorias que representam os diferentes temas de aprendizado:

```plaintext

.

├── association_rules                 # Regras de associação e análise de padrões frequentes

├── classification                    # Projetos de classificação de dados

│   ...

├── clustering                        # Agrupamento e segmentação de dados

│   ...

├── datasets                          # Conjunto de dados utilizados nos projetos

├── neural_networks                   # Implementações de redes neurais

│   ├── classification                # Redes neurais para classificação

│   └── regression                    # Redes neurais para regressão

├── regression                        # Projetos de regressão

│   ...

├── shared_utils                      # Funções e utilidades compartilhadas

├── study_materials                   # Material de estudo 

├── time_series                       # Projetos de séries temporais

├── probabilistic                     # Projetos com modelagem probabilística

└── LICENSE                           # Licença do repositório

```

---

## Projetos

### Classificação

- [Classificação de Qualidade de Veículos](./classification/vehicle_classifier/)  

  Este projeto apresenta uma aplicação de classificação de veículos, desenvolvida com Streamlit e utilizando o modelo de classificação Naive Bayes categórico. O objetivo é prever a categoria de um veículo com base em características fornecidas, explorando técnicas de pré-processamento e avaliação de modelos de machine learning.

- [Classificador de Insuficiência Cardíaca](./classification/heart_failure/)  

  Mas e o coração? tá bem? ou só lembra dele nas sofrências? Este projeto é um sistema de machine learning para prever a possibilidade de insuficiência cardíaca com base em apenas 11 características de um conjunto de dados real. Com um modelo preditivo preciso, é possível detectar e tratar esses casos de forma precoce, potencialmente salvando vidas.

- [Classificador para Câncer de Mama](./classification/breast_cancer/)  

  O câncer de mama é uma das principais causas de morte entre mulheres em todo o mundo. Com este projeto, exploramos como a ciência de dados pode revolucionar o diagnóstico, usando dados e modelos para a detecção precoce e o diagnóstico correto de câncer de mama.

### Regressão

- [Previsão de Custo Inicial para Abertura de Franquia](./regression/franquia/)  

  Este projeto mostra na prática como o Streamlit pode ser usado para criar uma aplicação interativa de ciência de dados. Utilizando um modelo de Regressão Linear, a aplicação prevê o custo inicial de abrir uma franquia, levando em conta fatores como a frequência anual de operação.

- [Preditor para Preço de Imóveis](./regression/boston_housing/)  

  Neste projeto, aplicamos técnicas de aprendizado de máquina para prever o valor médio de imóveis com base em características socioeconômicas e estruturais, como o número de cômodos e a proporção de alunos por professor. Uma aplicação útil para decisões imobiliárias informadas.

- [Previsão de Custos Médicos](./regression/medical_cost/)  

  Este projeto visa prever os custos médicos, comparando diversos algoritmos e apresentando resultados detalhados em relatórios. A estrutura do projeto é organizada para facilitar a reprodução e análise dos resultados.

### Agrupamento

- [Segmentação de Grupos de Clientes](./clustering/mall_customers/)  

  Para otimizar estratégias de marketing e decisões comerciais, este projeto analisa os hábitos de compra e características demográficas dos clientes de um shopping. O objetivo é criar perfis de clientes com comportamentos semelhantes, permitindo campanhas de marketing personalizadas e ações mais eficazes.

### Regras de assossiação

- [Sistema de recomendação](./association_rules/sistema_recomendacoes/)  

  Este projeto apresenta uma aplicação para geração de regras de recomendação, desenvolvida com Streamlite utilizando o algoritmo Apriori para encontrar padrões em transações. O objetivo é permitir ao usuário carregar um conjunto de transações e, a partir disso, gerar e visualizar regras de associação.

- [Padrões de compra dos consumidores de um supermercado](./association_rules/grocieres/)  

  Este projeto aplica o algoritmo Apriori para analisar padrões de compra em um dataset de transações de um supermercado (Groceries). O objetivo é descobrir quais produtos são frequentemente comprados juntos, fornecendo insights para melhorar estratégias de vendas, otimizar o layout do estabelecimento e personalizar ofertas para os clientes, levando a uma experiência de compra mais eficiente e satisfatória.

### Séries temporais

- [Previsão de vendas de leite com séries temporais](./time_series/milk_sales/)  

  Este projeto desenvolve uma aplicação de previsão de vendas de leite utilizando Streamlit e o modelo de séries temporais SARIMA. A aplicação permite que os usuários carreguem uma série temporal de dados históricos de vendas e, com base nessa informação, realizem previsões precisas para períodos futuros. Além disso, a aplicação fornece uma visão detalhada da decomposição e da projeção das vendas, permitindo que os usuários tomem decisões informadas sobre suas estratégias de negócios.

### Modelagem probabilística

- [Probabilidade de falhas em equipamentos](./probabilistic/failure_probabilities/)  

  Explore a distribuição de falhas em equipamentos com Streamlit através da modelagem de Poisson, neste projeto é possível calcular probabilidades exatas, acumuladas e complementares, fornecendo insights valiosos sobre a confiabilidade do sistema. O projeto integra bibliotecas como NumPy, Matplotlib e SciPy para garantir precisão e eficiência nos cálculos.

---

## Conteúdos Adicionais

- **datasets/**: Armazena datasets utilizados em múltiplos projetos.

- **shared_utils/**: Funções e scripts auxiliares usados em diferentes projetos.

- **study_materials/**: Materiais de estudo sobre algoritmos específicos e técnicas avançadas de machine learning.