Você é um Engenheiro de ML/Cientista de Dados de uma grande loja. Essa loja está planejando uma grande liquidação de fim de ano. Eles querem lançar uma nova oferta - a adesão Gold, que dá um desconto de 20% em todas as compras, por apenas R$499, enquanto normalmente custaria R$999. A oferta será válida apenas para clientes existentes e uma campanha de ligação telefônica está sendo planejada para eles. A administração acredita que a melhor maneira de reduzir o custo da campanha é criar um modelo preditivo que classifique os clientes que possivelmente irão adquirir a oferta.
A superloja deseja prever a probabilidade de um cliente fornecer uma resposta positiva e identificar os diferentes fatores que afetam a resposta do cliente. Você precisa analisar os dados fornecidos para identificar esses fatores e, em seguida, criar um modelo de previsão para prever a probabilidade de um cliente dar uma resposta positiva.
Os dados passados para o setor de dados foram adiquiridos na campanha do ano passado. Com esses dados devemos predizer os possíveis compradores do plano para este ano.
Para este problema, vamos desenvolver uma solução simples, os passos são:
- Vamos desenvolver um modelo de ML para gerar predições;
- Vamos criar uma API utilizando FastAPI para gerar predições para serem mostrados no nosso "frontend";
- Utilizar o StreamLit para fazer um "frontend" simples onde vamos permitir o upload de um arquivo CSV com os dados a serem preditos;