AG2

Repositório do projeto da Avaliação Global 2 (AG2) proposta no 7° período do Instituto Nacional de Telecomunicações - INATEL.

Overview

Este projeto é dedicado ao treinamento de um modelo de machine learning para a classificação de diferentes tipos de pinguins utilizando o algoritmo Decision Tree. O objetivo é desenvolver um modelo que, após ser treinado com dados específicos, possa classificar corretamente as espécies de pinguins com base nas características fornecidas.

Index

• Estrutura de Pastas
• Descrição das Pastas
  • utils
  • models
  • json
  • graphics
  • data
  • notebook
• Configuração do Ambiente
  • Criação e Ativação da Virtual Environment
  • Instalação das Dependências
• Como Executar o Projeto

Estrutura de Pastas

A estrutura de diretórios do projeto é organizada da seguinte forma:

graph TD;
    AG2-->utils
    utils-->tratamento_dados_py["ag2_utils.py"]
    AG2-->models
    models-->decision_tree_py["ag2_models_training.py"]
    AG2-->json
    json-->dados_teste_json["test.json"]
    AG2-->graphics
    graphics-->grafico_acuracia_png["accuracy.png"]
    AG2-->data
    data-->dataset_penguins_csv["palmerpenguins.csv"]
    AG2-->notebook
    notebook-->visualizacao_etapas_ipynb["main.ipynb"]
    AG2-->main_py["main.py"]
    AG2-->requirements_txt["requirements.txt"]

Loading

Descrição das Pastas

utils

A pasta utils contém códigos que auxiliam no projeto principal. Atualmente, possui o código que trata os dados que serão entregues ao modelo. Este código também é responsável por gerar um gráfico da acurácia que o modelo atingiu na etapa de validação.

models

A pasta models guarda os códigos dedicados ao treinamento e teste do modelo. O código principal nesta pasta é o que implementa a Decision Tree para a classificação de pinguins.

json

A pasta json é dedicada a armazenar um arquivo .json que possui os dados que serão utilizados para testar o modelo. Estes dados são separados do dataset principal e são formatados especificamente para a etapa de teste.

graphics

A pasta graphics armazena o gráfico de acurácia do modelo treinado. Este gráfico é gerado durante a etapa de validação para mostrar o desempenho do modelo.

data

A pasta data contém o dataset que será utilizado no projeto. Este dataset é utilizado para treinar o modelo de Decision Tree com dados reais sobre diferentes espécies de pinguins.

notebook

A pasta notebook guarda um arquivo ipynb que serve como um auxiliar para a visualização de cada passo do projeto. É útil para acompanhar o desenvolvimento e verificar os resultados intermediários durante o processo de modelagem.

Configuração do Ambiente

Criação e Ativação da Virtual Environment

Para configurar o ambiente e garantir que todas as dependências sejam instaladas corretamente, é necessário criar e ativar um ambiente virtual (venv). Siga os passos abaixo:

1. Crie um ambiente virtual com o comando:

   python -m venv ag2env

2. Ative o ambiente virtual:

   • Windows:

     .\ag2env\Scripts\activate

   • Linux/macOS:

     source ag2env/bin/activate

Instalação das Dependências

Com o ambiente virtual ativado, instale as dependências necessárias executando o comando abaixo:

pip install -r requirements.txt

Como Executar o Projeto

Com o ambiente configurado e as dependências instaladas, o projeto pode ser executado com o comando abaixo:

python main.py

Este comando irá iniciar o processo de tratamento de dados, treinamento do modelo e teste, gerando os gráficos de acurácia e apresentando os resultados da classificação dos pinguins.