PI em Ciências de Dados e Inteligencia Artificial
Por: migueljavorski • 14/5/2024 • Trabalho acadêmico • 810 Palavras (4 Páginas) • 63 Visualizações
CENTRO UNIVERSITÁRIO UNIDOMBOSCO
MIGUEL RIBEIRO SOARES JAVORSKI
PROJETO INTEGRADOR EM
CIÊNCIAS DE DADOS E INTELIGÊNCIA ARTIFICIAL IVB
CURITIBA
2022
CENTRO UNIVERSITÁRIO UNIDOMBOSCO
MIGUEL RIBEIRO SOARES JAVORSKI
PROJETO INTEGRADOR EM
CIÊNCIAS DE DADOS E INTELIGÊNCIA ARTIFICIAL IVB
Relatório técnico apresentado como requisito parcial para obtenção de aprovação na disciplina Projeto Integrador em Ciências de Dados e Inteligência Artificial, no Curso de Ciências de Dados e Inteligência Artificial, do Centro Universitário UniDomBosco.
Tutor: Priscila Louise Leyser Santin
CURITIBA
2022
RESUMO
[pic 1]
Este trabalho tem como finalidade explorar o conjunto de dados contido no conjunto ‘emprestimo.csv’ que se encontra no portal do aluno.
Palavras-chave: Analise, levantamento de requisitos, estudo de solução, extração.
SUMÁRIO
[pic 2]
1 INTRODUÇÃO ....................................................................................................4
2 DESENVOLVIMENTO ........................................................................................5
2.1 Desenvolvimento da Analise ...........................................................................5
2.2 Print do PI proposto..........................................................................................6
2.3 Demonstração Desenvolvida para conhecer a Ferramenta...........................7
3 Imagens aleatórias como resultado do PI proposto.....................................8
4 OBJETIVO GERAL ..........................................................................................11
4.1 Objetivos específicos .....................................................................................11
5 METODOLOGIA ...............................................................................................12
6 RESULTADOS .................................................................................................12
7 CONCLUSÕES E RECOMENDAÇÕES ..........................................................12
8 REFERÊNCIAS ................................................................................................13
1 INTRODUÇÃO
A ideia que levou a realizar esse projeto integrado, foi a extração de resultados visuais, através do programa Orange.
2 DESENVOLVIMENTO
Com a finalidade de atender aos pré-requisitos, expostos pela(o) orientador(ar), busquei utilizar o máximo de funções possíveis para desenvolver o mínimo de conhecimento da linguagem, e até mesmo da plataforma, pois o material que consta no repositório e um tanto quanto vago, busquei por material de terceiro e aulas particulares para tentar entregar algo no qual atende-se ao solicitado, e ficasse o mínimo um tanto desafiador.
2.1 Desenvolvimento da Analise
Abaixo está a imagem dos exemplos executados por mim logo com suas explanações junto ao que foi solicitado.
2.2 PRINT PI PROPOSTO
A imagem abaixo refere-se ao exemplo construído no site: https://medium.com/ensina-ai/machine-learning-sem-c%C3%B3digo-636d1a8f9081, esse exemplo passa por diversas etapas, desde a explicação da barra de ferramenta até mesmo da utilização de seus recursos de forma pratica.
Em um primeiro momento, selecionamos um widget do tipo File que tem como finalidade receber o arquivo que vamos trabalhar no caso empréstimos.csv, esse widget e como se fosse uma base aonde vamos ter como norteador para extrair as visões conforme necessário.
Na sequência podemos verificar que temos algumas visualizações do tipo que corresponde a parte gráfica, os plot e distribuição, esse tipo de widget refere-se a uma visualização do tipo gráfico.
Cada widget desses abaixo é possível visualizar um tipo de dado conforme o mesmo foi configurado.
[pic 3]
2.3 DEMONSTRAÇÃO DESENVOLVIDA PARA CONHECER A FERRAMENTA
A imagem abaixo refere-se a um teste na ferramenta Orange feito, para ver como seria trabalhar com outros recurso além dos definidos no projeto, se observar comoeçamos a usar a amostragem da base empréstimos.csv, aonde temos tabelas com 80% e 20% dos dados conforme um parâmetro estabelecido, usamos também um Data Sampler que seria um sorteador desse conjunto de dados. E também realizamos uma análise, por um conjunto especifico de colunas aonde seja possível agrupar algumas colunas e valores para um resultado mais homogêneo.
...