Projetos de Data Science

Créditos: https://medium.com/@hacware/memetic-memory-what-memes-can-teach-us-about-machine-learning-a1d487cf066f

Árvore de Decisão (CART)

• Notebook com um resumo da CART;
• Regressão e classificação;
• Resumo;
• Aplicação;
• Grid e Random Search.

Qual a probabilidade de ter um pedido atrasado ? (Back order prediction)

• Hackaton iNeuron

• Objetivo: Prever se um determinado pedido/produto irá atrasar;

• Notebook Python (Parte 1):

  • Entendendo o contexto dos dados;
  • Lidando com dados desbalanceados;
  • Identificando que métricas utilizar;
  • Criando uma baseline com a Regressão Logística;
  • Criando uma Análise Exploratória de Dados completa; e
  • Retirando hipóteses e relação entre as variáveis que posteriormente serão features para o modelo principal.

• Notebook Python (Parte 2):

  • Tratamento de valores nulos;
  • Criação de novas features a partir da Análise Exploratória de Dados;
  • Aplicação da técnica de One Hot Encoding (OHE);
  • Utilização do modelo de Random Forest e verificação de suas métricas;
  • Aplicação de penalidade nos erros para dados desbalanceados;
  • Validação cruzada.

Prevendo o preço das casas a serem vendidas (Kaggle)

• Python (Pandas, Numpy, Matplotlib, Seaborn, Statsmodels, Sklearn);
• Análise Exploratória de Dados;
• Limpeza e transformação de dados;
• Previsão através do modelo de regressão linear múltipla;
• Notebook disponível (baseline)
• Segundo notebook (otimizado) com a melhora da métrica em comparação com a baseline.

Prevendo quem irá sobreviver ou não no Titanic (Kaggle)

• Python (Pandas, Numpy, Matplotlib, Seaborn, Statsmodels, Sklearn);
• Análise exploratória de dados;
• Limpeza e transformação de dados;
• Previsão através do modelo de regressão logística.
• Notebook disponível (baseline) (Acc validação = 0.8072, Acc Kaggle = 0.5359)
• Segundo notebook (otimizado) (Acc validação = 0.8161, Acc Kaggle = 0.5885)

Análise da #BelemAlagada no Twitter

• Script disponível;
• R (tidyverse, rtweet, lubridate, tidytext, abjutils, wordcloud2, tm);
• Limpeza de dados;
• Análise Exploratória de Dados;
• WordCloud.

Análise do dataset do COVID-19

• Script disponível
• R (tidyverse, reshape2, gganimate, gifski);
• Análise Exploratória de Dados;
• GIF.

Retirando dados do Telegram da R-Brasil

• Script disponível
• R (tidyverse, httr, rvest, ggthemr);
• Limpeza e transformação de dados;
• Análise exploratória de dados.