Machine learning

Descrição: A meta 9.b da ODS 9 apoia o desenvolvimento tecnológico, pesquisa e inovação. O desafio relacionado a disciplina de ml & ds deverá estar relacionado a uma das seguintes opções:
1. [OPÇÃO 1] Uma solução, análise, algoritmo aplicada aos dados utilizados na solução criada para o Global.
Caso o grupo/alunos não tenham uma base de dados adequada para realizar algum tipo de análise, poderá optar por utilizar uma base externa que será a opção 2.
2. [OPÇÃO 2] Caso o grupo não tenha ou não consiga uma base de dados adequada para construir alguma análise, algoritmo, etc, poderá utilizar uma base pública. A base pública sugerida é a seguinte: a. https://www.kaggle.com/c/costa-rican-household-poverty-prediction/data?select=train.csv
b.
Deve ser utilizada somente a base train.csv, podendo ser construída qualquer análise de dados, algoritmo, previsão que o grupo entender como necessário
c. Poderá ser uma análise de quais são as características das residências mais pobres, o que indica ou quais são sinais de extrema pobreza
d. Poderá ser um modelo classificador utilizando a variável target, sendo que os alunos deverão dividir a base train.csv em duas bases distintas de treino e teste, para poder validar o resultado do classificador
e.
Poderá, ainda, ser uma análise de clusterização.
Critérios de avaliação: • Vamos avaliar a completude do trabalho, coesão com boas práticas de DS, emprego correto dos conceitos vistos em sala, criatividade na concepção/apresentação do trabalho.
• Não vamos nos preocupar com métricas de avaliação (acurácia, precision, ou outras) altas no modelo de classificação.
O importante é vocês demonstrem que entenderam os conceitos do curso.
Entrega: • Documento explicativo em algum formato preferido (ppt, notebook autoexplicativo e documentado) explicando como foi feito o projeto, bem como a execução do código.
• Arquivos .R, .py ou .ipynb, e demais arquivos que forem utilizados no projeto.