Este repositório reúne diferentes projetos desenvolvidos com foco em Ciência de Dados, Machine Learning e Análise Exploratória. Cada notebook aborda um desafio específico, explorando desde a análise de dados até a aplicação de modelos preditivos.
📂 Arquivo: Analise_de_Dados_do_Airbnb_em_Nova_York.ipynb
- Análise exploratória dos dados de hospedagens em Nova York.
- Identificação de padrões de preços, regiões mais procuradas e tipos de imóveis mais populares.
- Visualizações para facilitar a interpretação das informações.
📂 Arquivo: Churn_Prediction.ipynb
- Modelagem preditiva para identificar clientes com maior probabilidade de cancelamento.
- Aplicação de técnicas de Machine Learning para previsão de churn.
- Análise de variáveis mais relevantes para a retenção de clientes.
📂 Arquivo: Segmentacao_de_Clientes.ipynb
- Utilização de técnicas de Clusterização (K-Means) para segmentar clientes.
- Identificação de perfis de consumidores para apoiar estratégias de marketing.
- Visualizações que destacam os diferentes grupos de clientes.
📂 Arquivo: Series_Temporais.ipynb
- Estudo e modelagem de séries temporais.
- Previsão de demanda ao longo do tempo utilizando métodos estatísticos e de machine learning.
- Avaliação das métricas de erro para medir a qualidade das previsões.
- Python
- Pandas
- NumPy
- Matplotlib
- Seaborn
- Scikit-learn
- Statsmodels
- Jupyter Notebook
O repositório foi criado com o intuito de explorar aplicações práticas em Ciência de Dados e demonstrar habilidades em análise, modelagem preditiva e comunicação de resultados.
✨ Fique à vontade para explorar os notebooks, contribuir ou deixar sugestões!