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

https://github.com/omadson/kmeans-palette


https://github.com/omadson/kmeans-palette

Last synced: 3 months ago
JSON representation

Awesome Lists containing this project

README

        

#

Insira aqui uma introdução para que o leitor entenda o contexto e os problemas identificados. Tente apresetnar uma justificativa para o projeto. É desejável que também se insira um [graphical abstract](https://www.elsevier.com/authors/tools-and-resources/visual-abstract).

## Objetivos e resultados chave

Em termos simples, os "Objetivos" se relacionam com a meta do projeto, e os "Resultados-Chave" expressam como essa meta será alcançada. Os Objetivos e resultados chave devem ser definidos no início de um projeto. A ideia é escolher uma métrica associada a um projeto e defini-la como o objetivo. Isso mostra a meta que você deseja alcançar. Em seguida, os resultados-chave são definidos para mostrar como atingir o objetivo. Os resultados principais são mensuráveis ​​e geralmente limitados a três a cinco por objetivo.

Em síntese, os objetivos estão ligados as entregas e os resultados chave aos passos que precisam se seguir para conseguir alcançar os resultados.
Exemplo de objetivos e resultados chave aplicados a projetos de ciência de dados.

- Realizar uma análise exploratória de dados de
- Indentificar variáveis, descrevê-las e definir os tipos de dados
- Realizar transformação de variáveis (codificação)
- Tratar de valores faltantes e valores discrepantes
- ...
- Criar modelo de detecção de fakenews
- Realizar transformação de dados textuais utilizando o tf-idf
- ...
- ...

## Conteúdo

Utilize esta seção para descrever o que cada notebook faz. Se tiver gerado algum relatório, também utilize essa seção para descrevêlo. Isso facilitará a leitura.

## Utilização

Descreva aqui quais os passos necessários (dependências externas, comandos, etc.) para replicar o seu projeto. Instalação de dependências necessárias, criação de ambientes virtuais, etc. Este modelo é baseado em um projeto utilizando o [Poetry](https://python-poetry.org/) como gerenciador de dependências e ambientes virtuais. Você pode utilizar o `conda`, ambientes virtuais genéricos do Python ou até mesmo containers do docker. Mas tente fazer algo que seja facilmente reprodutível.

## Desenvolvedores
- [Contribuidor 1](http://github.com/contribuidor_1)
- [Contribuidor 2](http://github.com/contribuidor_2)

## Organização de diretórios

> **Nota**: essa seção é somente para entendimento do usuário do template. Por favor removê-la quando for atualizar este `README.md`

```
.
├── data/ # Diretório contendo todos os arquivos de dados (Geralmente está no git ignore ou git LFS)
│   ├── external/ # Arquivos de dados de fontes externas
│   ├── processed/ # Arquivos de dados processados
│   └── raw/ # Arquivos de dados originais, imutáveis
├── docs/ # Documentação gerada através de bibliotecas como Sphinx
├── models/ # Modelos treinados e serializados, predições ou resumos de modelos
├── notebooks/ # Diretório contendo todos os notebooks utilizados nos passos
├── references/ # Dicionários de dados, manuais e todo o material exploratório
├── reports/ # Análioses geradas como html, latex, etc
│   └── figures/ # Imagens utilizadas nas análises
├── src/ # Código fonte utilizado nesse projeto
│   ├── data/ # Classes e funções utilizadas para download e processamento de dados
│   ├── deployment/ # Classes e funções utilizadas para implantação do modelo
│   └── model/ # Classes e funções utilizadas para modelagem
├── pyproject.toml # Arquivo de dependências para reprodução do projeto
├── poetry.lock # Arquivo com subdependências do projeto principal
├── README.md # Informações gerais do projeto
└── tasks.py # Arquivo com funções para criação de tarefas utilizadas pelo invoke

```