Loading repository data…
gabygraciano / repository
Este projeto foi desenvolvido para otimizar o processo de campanhas de marketing dentro de um aplicativo de gamificação de um shopping. Utiliza Tkinter para criar uma interface gráfica interativa onde o analista de dado pode prever o tipo de consumo que um cliente vai fazer com base no seu e-mail, utilizando modelos de Machine Learning.
A transparent discovery signal based on current public GitHub metadata.
This score does not audit code, security, maintainers, documentation quality, or suitability. Verify the repository and its current documentation before adoption.
Este projeto utiliza aprendizado de máquina para prever o tipo de consumo de clientes com base em suas características, otimizando campanhas de marketing dentro de um aplicativo de gamificação de um shopping. O projeto foi desenvolvido para o Hackathon Desafio Viva Center Norte na Campus Party BR16 como uma funcionalidade alinhada com a aplicação mobile de gamificação.
Gabriella Graciano de Souza 📧 E-mail: gabifc_graciano@hotmail.com 🖋️ Behance: behance.net/gabygraciano
Breno do Amaral Falcão Souto 📧 E-mail: brenodoamaral1@gmail.com 🌐 GitHub: github.com/brenodoamaral1
Marcelo Nunes Ananias Petroni 📧 E-mail: marceloapetroni@hotmail.com 🌐 GitHub: github.com/marcelopetroni
O modelo de Machine Learning treinado (Random Forest Classifier) utiliza dados como faixa etária, motivo da visita, tipos de lojas frequentadas, fatores de compra e preferência de marcas para prever o tipo de consumo de um cliente com base no e-mail fornecido. O resultado da previsão é exibido em uma interface gráfica simples usando Tkinter.
Esses dados são previamente coletados através de uma pesquisa dentro do aplicativo de gamificação no qual o usuário ganhará pontos por responde-la. As perguntas da pesquisa são pensadas em uma forma que colete os dados que queremos para usar no nosso modelo.
📙 Jupyter Notebook 🐍 Python 🐼 Pandas 🧠 Scikit-learn 🖼️ Tkinter
git clone https://github.com/gabygraciano/Modelo-de-classificacao-CONSUMO.git
pip install pandas scikit-learn
python app.py
Selected from shared topics, language and repository description—not editorial ratings.
rafaelouti /
Este projeto utiliza redes neurais artificiais para prever o preço de um carro com base no ano de fabricação e quilometragem. O modelo foi desenvolvido em Python, usando Jupyter Notebook para organização e visualização dos dados.
27/100 healthigorfalcao /
Este repositório contém um projeto de previsão utilizando técnicas de análise de dados e machine learning. O código foi desenvolvido em Python dentro de um ambiente Jupyter Notebook.
27/100 healthEmanuelBLS /
Saiba como fazer clicando aqui: https://docs.python.org/pt-br/dev/library/venv.html
A acurácia do modelo foi calculada em 81%. Esta métrica foi obtida fazendo previsões no conjunto de teste e comparando-as com os rótulos reais.
Este projeto foi desenvolvido com fins didáticos, com o objetivo de praticar e desenvolver habilidades em análise de dados utilizando a linguagem Python e o Jupyter Notebook.
LanaMorgado /
Este projeto foi criado para estudo de análise e exploração de dados reais, usando como ambiente o Jupyter notebook e como linguagem o Python e suas bibliotecas (Pandas, Matplotlib, Numpy).
27/100 healthLanaMorgado /
Como continuação da fase 1, este projeto foi criado para estudo de vizualização de dados reais, usando como ambiente o Jupyter notebook e como linguagem o Python e suas bibliotecas (Pandas, Matplotlib, Numpy, Seaborn).
27/100 healthleo08lass /
Este projeto tem como objetivo realizar uma análise exploratória de dados utilizando Python e Jupyter Notebook. O trabalho inclui carregamento de dados, tratamento e limpeza, visualizações gráficas e interpretação dos resultados para extrair insights relevantes. O projeto foi feito em uma aula gratuita do curso Python Impressionador.
34/100 health