https://github.com/prbpedro/tcc_puc
Trabalho de Conclusão de Curso da Pós-graduação Lato Sensu em Ciência de Dados e Big Data - PUCMG
https://github.com/prbpedro/tcc_puc
classification decision-tree-classifier logistic-regression machine-learning python scraping sklearn svm-classifier
Last synced: 2 months ago
JSON representation
Trabalho de Conclusão de Curso da Pós-graduação Lato Sensu em Ciência de Dados e Big Data - PUCMG
- Host: GitHub
- URL: https://github.com/prbpedro/tcc_puc
- Owner: prbpedro
- License: mit
- Created: 2021-06-15T10:01:39.000Z (about 5 years ago)
- Default Branch: main
- Last Pushed: 2022-03-15T19:56:00.000Z (over 4 years ago)
- Last Synced: 2025-08-23T05:06:04.868Z (11 months ago)
- Topics: classification, decision-tree-classifier, logistic-regression, machine-learning, python, scraping, sklearn, svm-classifier
- Language: Jupyter Notebook
- Homepage:
- Size: 13.3 MB
- Stars: 2
- Watchers: 1
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
- License: LICENSE
Awesome Lists containing this project
README
# tcc_puc
## Contextualização
Este repositório tem como objetivo implementar o trabalho de conclusão de curso da Pós-graduação Lato Sensu em Ciência de Dados e Big Data (PONTIFÍCIA UNIVERSIDADE CATÓLICA DE MINAS GERAIS) feito por mim, Pedro Ribeiro Baptista.
O mesmo pode ser encontrada no sítio [https://github.com/prbpedro/tcc_puc/blob/main/TCC%20Ci%C3%AAncia%20de%20Dados%20PUCMG%20-%20Pedro%20Ribeiro%20Baptista.pdf](https://github.com/prbpedro/tcc_puc/blob/main/TCC%20Ci%C3%AAncia%20de%20Dados%20PUCMG%20-%20Pedro%20Ribeiro%20Baptista.pdf).
Link da apresentação do trabalho: https://docs.google.com/presentation/d/1mvcSchv_iVVqAWq7_riKRVtEwP4YFqnvh7de9hdofjk/edit?usp=sharing
## Objetivo
O trabalho se consiste em um estudo sobre análise preditiva classificatória de notícias falsas.
O repositório contém os seguintes Notebooks Jupyter implementados com a linguagem Python na versão 3.6.9:
* pre_processing_fake_news.ipynb
* pre_processing_real_news.ipynb
* running_machine_learning_models.ipynb
Todos os arquivos, imagens, etc. gerados pelos Notebooks Jupyter citados estão armazenados na pasta generated deste repositório.
## pre_processing_fake_news.ipynb
Notebook Jupyter responsável por criar um conjunto de dados de notícias falsas, preparado para a aplicação de algoritmos classificatórios de aprendizado de máquina.
## pre_processing_real_news.ipynb
Notebook Jupyter responsável por criar um conjunto de dados de notícias verdadeiras, preparado para a aplicação de algoritmos classificatórios de aprendizado de máquina.
## running_machine_learning_models.ipynb
Notebook Jupyter responsável executar o treinamento, teste e impressão de resultados dos modelos classificatórios Logistic Regression, Support Vector Machines e Decision trees.
## Execução dos Notebooks Jupyter
Siga os seguintes passos para a execução dos Notebooks Jupyter citados:
1. Instale o Python na versão 3.6.9
1. Instale a biblioteca virtualenv -> pip install virtualenv
1. Crie um novo ambiente de execução virtual Python -> virtualenv venv
1. Instale as bibliotecas necessárias -> pip install -r requirements.txt
1. Execute os Notebooks