Skip to content

Latest commit

 

History

History
48 lines (34 loc) · 2.62 KB

Report.md

File metadata and controls

48 lines (34 loc) · 2.62 KB

São Paulo, 8 de junho de 2021.

Insper

Ph.D. Maria Kelly Venezuela

Projéto de Ciência dos Dados

Modelos Preditivos


Relatório do projeto

Luciano Felix - Commits

  • 21/05: Criação do repositório, readme e a escolha do dataset(em grupo).
  • 01/06: Primeira execução do modelo.
  • 08/06: Analise exploratoria e primeira implementação do modelo Gaussian, tradução dos textos para ingles, organização do arquivo jupter para a entrega final.

Gustavo Oliveira - Commits

  • 01/06: Atualização do Readme, da análise exploratória e do modelo inicial.
  • 03/06: Alterações nos arquivos de exploratória e do modelo para geração de novas imagens e analises mais aprofundada.
  • 08/06: Uplaod do novo modelo árvore de decisões, atualização dos textos do projeto.

Pedro Cliquet do Amaral - Commits

  • 28/05: Primeira tentativa de limpeza no dataset.
  • 01/06: Alterações no dataset e implementação do modelo GaussianNB.
  • 08/06: Implementação do modelo MultinominalNB, atualização dos textos do projeto e relátório de cada integrante.

Feedback

  • Análise exploratória carece de análise para os gráficos apresentados.
  • Para uma melhor entender o comportamente da variável target cruzada com cada feature seria interessante terem utilizado gráficos de barras empilhados.
  • Há uma boa avaliação crítica do resultado usando recursos condizentes com a técnica de análise empregada. Apresentam a matriz de confusão, porém nenhuma análise é feita.
  • O texto está completo e bem escrito.
  • Comparou mais de duas técnicas para resolver o mesmo problema e apresentou os resultados
  • Investiu em melhorar a explicação do trabalho usando técnicas de visualização mais avançadas
  • O problema a ser respondido e sua relevância estão claros. Diz qual é a variável target e quais são as features.
  • A técnica de análise está bem clara e bem explicada com fundamentação teórica.
  • São empregados bons recursos de organização de código.
  • Antes de se fazer uma análise ou executar alguns comandos sempre se explica o propósito
  • O notebook está legível e são usados títulos e subtítulos
  • Os gráficos todos têm títulos e legendas adequados
  • A pergunta respondida pelo trabalho está clara, e a resposta está bem demonstrada e contextualizada

Conceito: A+