Ecosyste.ms: Awesome

An open API service indexing awesome lists of open source software.

Awesome Lists | Featured Topics | Projects

https://github.com/felinjob/ibm-applied-data-science-capstone

Este projeto, parte da especialização IBM Data Science Professional Certificate, prevê o sucesso do pouso do Falcon 9 da SpaceX. Usando dados da API da SpaceX e Web Scraping, o projeto inclui análise de dados e Machine Learning para gerar insights sobre os lançamentos.
https://github.com/felinjob/ibm-applied-data-science-capstone

data-analysis data-science data-visualization ibm jupyter-notebook machine-learning numpy pandas python scikit-learn seaborn sql

Last synced: about 2 months ago
JSON representation

Este projeto, parte da especialização IBM Data Science Professional Certificate, prevê o sucesso do pouso do Falcon 9 da SpaceX. Usando dados da API da SpaceX e Web Scraping, o projeto inclui análise de dados e Machine Learning para gerar insights sobre os lançamentos.

Awesome Lists containing this project

README 

        
# Análise de Dados da SpaceX: Insights sobre o Pouso do Falcon 9



## Introdução



A SpaceX revolucionou a indústria espacial com seus foguetes Falcon 9, oferecendo lançamentos a preços muito competitivos (62 milhões de dólares), enquanto outras empresas cobram mais de 165 milhões de dólares. Essa diferença se deve à capacidade da SpaceX de reutilizar o primeiro estágio do foguete. 



Neste projeto, vamos construir um modelo de Machine Learning para prever o sucesso do pouso do primeiro estágio do Falcon 9. Essa previsão é crucial para empresas que competem com a SpaceX, permitindo que elas estimem os custos de lançamento e façam ofertas mais competitivas.



## Contexto do Projeto



Este projeto final faz parte da especialização IBM Data Science Professional Certificate e aplica os conhecimentos adquiridos ao longo do curso. O objetivo é responder às seguintes perguntas:



* Como variáveis como massa da carga útil, local de lançamento, número de voos e órbitas afetam o sucesso do pouso do primeiro estágio?

* A taxa de pousos bem-sucedidos aumenta ao longo dos anos?

* Qual o melhor algoritmo para classificação binária neste caso?



## Metodologia



1. **Coleta de Dados:**

    * API da SpaceX

    * Web Scraping da Wikipedia



2. **Preparação dos Dados:**

    * Filtragem 

    * Tratamento de valores ausentes

    * Codificação One-Hot para classificação binária



3. **Análise Exploratória de Dados (EDA):**

    * Visualização

    * SQL



4. **Visualização Analítica Interativa:**

    * Folium

    * Plotly Dash



5. **Análise Preditiva:**

    * Construção, ajuste e avaliação de modelos de classificação



## Estrutura do Repositório



* **data/:** Dados e scripts relacionados.

* **notebooks/:** Jupyter notebooks com a documentação do projeto.

* **scripts/:** Scripts em Python para processamento, visualização e modelagem.

* **dash_app/:** Código do aplicativo interativo Plotly Dash.



## Resultados



O projeto construiu um modelo de Machine Learning capaz de prever o sucesso do pouso do primeiro estágio do Falcon 9 com alta precisão. O modelo de Árvore de Decisão obteve o melhor desempenho, com uma acurácia de 94,44%.



## Conclusão



Este projeto demonstra como a Ciência de Dados pode ser aplicada para gerar insights valiosos no setor espacial. As previsões geradas pelo modelo podem auxiliar empresas a tomar decisões estratégicas em relação aos custos de lançamento e à competitividade no mercado.