atlantico-academy / data-machine

Sleep Health and Lifestyle

Resumo

Dormir bem desempenha um papel vital na manutenção da saúde e do bem-estar geral. No entanto, vários fatores de estilo de vida podem afetar significativamente a qualidade e a duração do sono. Compreender a relação entre as escolhas de estilo de vida e a saúde do sono é essencial para indivíduos que procuram melhorar os seus padrões de sono. O sono de qualidade melhora o equilíbrio físico, mental e emocional do ser humano, fortalece o sistema imunológico, previne doenças e ajuda no bom funcionamento do cérebro. Dormir pouco ou mal aumenta o risco de doenças cardiovasculares e metabólicas. Devido a estes fatores, surge a necessidade de um método de baixo custo e preciso, a fim de ajudar investigar as características que podem prejudicar a saude do sono. Este projeto tem como objetivo desenvolver uma aplicação que tem como intuito analisar as variáveis relacionadas ao sono e hábitos diários e tem como variável alvo a presença ou ausência de distúrbios do sono. O conjunto de dados Sleep Health and Lifestyle foi utilizados na construção deste projeto.

Resumo gráfico

Desenvolvedores

• Luana Oliveira da Silva
• Marjori Schmit
• Ruan Carlos
• Salete Yara

data-machine's Issues

Proposta de Projeto

• A etapa de entendimento de negócio se destina a compreensão dos objetivos e requisitos do projeto.

  • Após compreender a tarefa a ser realizada na execução do projeto, modificar o arquivo README.md, contendo um resumo do projeto que será construído.
  • Apresentar uma justificativa para o projeto.
  • É desejável que também se insira um graphical abstract.

Exploração de dados

• Criar um notebook de análise exploratória notebooks/01-exploratory_data_analysis.ipynb, contendo as seguintes seções de texto:

  • Descrição dos dados,
  • Perguntas de partida e hipóteses,
  • Insights, de acordo com o conteúdo visto em aula;

Limpeza de dados

Deve criar todo o código necessário para a limpeza dos dados e inserí-lo no noteboom notebooks/02-comparative-analysis.ipynb. O notebook deve conter os seguintes tratamentos:

• Tratamento de dados faltantes: identificar e remover linhas/colunas com dados faltantes insignificatnes; imputar valores ausentes usando estatísticas de tendência central ou modelos preditivos.

• Tratamento de dados discrepantes: remover ou isolar outliers dependendo do contexto.

Coleta Inicial de Dados

• Coleta inicial de dados: apresentar um conjunto de dados "cru", no repositório do projeto, salvo na pasta data/raw/.

Análise comparativa de modelos

Insira as seções de texto Obtenção de dados, Preparação de dados e Seleção de modelos no notebook notebooks/02-comparative_analysis.ipynb, de acordo com o conteúdo visto em aula:

• Deve-se utilizar um método de validação cruzada (holdout, k-fold, Monte Carlo) apresentado em sala de aula;

• Apresentar no mínimo quatro modelos: um baseline, para servir de comparação a pelo menos outros três (ou mais) experimentos com modelos de famílias diferentes. Deverão ser utilizadas pelo menos duas métricas para efetuar a comparação entre os modelos;

• Para que os resultados sejam avaliados, eles devem ser sintetizados através da utilização de tabelas e/ou gráficos explicativos;

Criação do dicionário de dados

• Criar um arquivo (ou vários) de dicionário de dados, contendo informações referentes aos conjuntos de dados utilizados no projeto. Serão arquivos no formato CSV, que devem ser guardados na pasta data/external/;

Transformação de dados

Deve criar todo o código necessário para a transformação de dados e inserí-lo no notebook notebooks/02-comparative_analysis.ipynb . Além dos tratamentos referentes a limpeza de dados (dados faltantes e dados discrepantes), o notebook deve conter os seguintes tratamentos relacionados a transformação de variáveis:

• Codificação de variáveis: efetuar toda e qualquer transformação necessária para o funcionamento do modelo, seja ela codificação de variáveis qualitativas (nominais ou ordinais), temporais ou textuais.

Apresentação de resultados

• Produzir uma apresentação de slides de no máximo 5min para ser apresentada ao professor e o restante da turma.