Livros
Acesso à lista completa de e-books
Slides
- Aula 01: Apresentação da disciplina
- Aula 02: Conceitos básicos
- Aula 03: Dados e pré-processamento
- Aula 04: Classificação
- Aula 05: Classificação – KNN
- Aula 06
- Árvores de Decisão (Decision Trees)
- Exemplo de árvore de decisão
Códigos Notebook
- Visualização de um processo de Análise Exploratória de Dados
- Dataset (Brazil_cities.csv)
- Titanic
- Training Dataset (Titanic_train.csv)
- Test Dataset (Titanic_test.csv)
- Home Credit Risk Analysis (Pasta com Notebook e Dataset)
- Problema de Classificação
- Bank Marketing (já inclui a leitura do dataset remotamente)
- Interpretação dos resultados do Notebook ama
Exercícios:
Exercício 01: Análise Exploratória de Dados (enunciado)
- Dataset para treinamento (application_train.csv.zip)
- Dataset para teste (application_test.csv.zip)
Atividade de reforço: Material para Autotutoria – análise exploratória (Realizar até a Parte 5)
- Seguir a sequência da parte 1 até a parte 5
Exercício 02: Classificação
- Incluir, pelo menos, mais 3 algoritmos de classificação (um deles deverá ser obrigatoriamente o XGBoost) no Notebook de Classificação (Bank Marketing).
- Não se esqueça de aplicar as métricas de análise de eficiência dos resultados, além de otimizar os hiperparâmetros do melhor algoritmo por meio do GridSearchCV.
Exercício 03: Classificação (Árvores de Decisão)
📌 Sobre o conjunto de dados
À medida que ferramentas de IA generativa como ChatGPT, Copilot e Gemini se tornam cada vez mais presentes na vida acadêmica, compreender seu verdadeiro impacto sobre os estudantes se torna crucial. Este conjunto de dados oferece um panorama rico e multidimensional das interações dos estudantes com a IA — abrangendo resultados acadêmicos, padrões comportamentais, contexto institucional e bem-estar psicológico.
Seja você pesquisador, educador, cientista de dados ou formulador de políticas, este conjunto de dados oferece um terreno fértil para explorar os benefícios e os riscos da adoção da IA no ensino superior .
- Independente de ser a solução mais adequada para o problema, vocês deverão trabalhar na construção de uma árvore de decisão a partir deste dataset.
- A variável alvo a ser considerada será Burnout_Risk_Level.
- O que deverá ser entregue?
- Um arquivo notebook com a construção da árvore de decisão
- A base inicial para construção da árvore de decisão será o notebook que pode ser obtido aqui: link.