Skip to content

FelypeDantas/Estudos_Analytics

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

12 Commits
 
 
 
 
 
 
 
 
 
 

Repository files navigation

Repositório de Estudos em Análise de Dados

Este repositório contém materiais e projetos relacionados aos meus estudos em Análise de Dados. O objetivo é reunir recursos, experimentos e exemplos de técnicas de análise de dados aplicadas a diferentes conjuntos de dados.

Índice

Sobre

Este repositório visa documentar o processo de aprendizado e prática de análise de dados, cobrindo tópicos como:

  • Limpeza e Pré-processamento de Dados
  • Exploração de Dados
  • Visualização de Dados
  • Modelagem Preditiva
  • Algoritmos de Machine Learning
  • Estatísticas Descritivas e Inferenciais

Os estudos incluem o uso de Python e outras ferramentas de análise de dados, com exemplos práticos e explicações sobre cada técnica aplicada.

Tecnologias Utilizadas

  • Python: Linguagem de programação principal.
  • Pandas: Manipulação e análise de dados.
  • NumPy: Operações matemáticas e estatísticas.
  • Matplotlib e Seaborn: Visualização de dados.
  • Scikit-learn: Implementação de modelos de machine learning.
  • Jupyter Notebook: Ambiente interativo para desenvolvimento e análise.

Projetos e Notebooks

Aqui estão alguns dos projetos que você encontrará neste repositório:

  • Projeto 1: Análise Exploratória de Dados (EDA): Aplicação de técnicas de EDA em um conjunto de dados de vendas.
  • Projeto 2: Modelagem Preditiva: Implementação de um modelo de regressão linear para prever preços de imóveis.
  • Projeto 3: Classificação com Machine Learning: Análise de um conjunto de dados de classificação e treinamento de um modelo de machine learning.

Como Rodar os Projetos

Para executar os projetos em seu ambiente local, siga estas etapas:

  1. Clone o repositório:

    git clone https://github.com/seu-usuario/estudos-analise-de-dados.git
    cd estudos-analise-de-dados
  2. Instale as dependências: Você pode instalar as dependências usando pip:

    pip install -r requirements.txt
  3. Execute os notebooks: Para rodar um notebook Jupyter, use o seguinte comando:

    jupyter notebook
  4. Abra o notebook desejado: Após iniciar o Jupyter, você pode abrir o notebook de sua escolha a partir do navegador.

Contribuições

Contribuições são bem-vindas! Se você tiver sugestões ou melhorias para este repositório, sinta-se à vontade para criar um pull request.

Passos para contribuir:

  1. Faça um fork do repositório.
  2. Crie uma branch para sua feature (git checkout -b feature/nome-da-feature).
  3. Faça as alterações e commit (git commit -am 'Adiciona nova feature').
  4. Envie para o repositório remoto (git push origin feature/nome-da-feature).
  5. Abra um pull request.

Licença

Este projeto está licenciado sob a Licença MIT - veja o arquivo LICENSE para mais detalhes.

About

Estudos em ciencia de dados

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published

Languages