Bem-vindo(a)! Este repositório reúne meus projetos de Machine Learning, focados em aplicar algoritmos supervisionados e não supervisionados para resolver problemas práticos. Desenvolvidos para prática e demonstração, os projetos destacam técnicas de modelagem e avaliação de resultados.
Todos os dados são usados exclusivamente para fins de estudo, respeitando boas práticas de privacidade e ética.
ℹ️ Cada projeto possui um repositório próprio com detalhes, dados e conclusões. Você também pode explorá-los diretamente nas pastas deste repositório.
- Classificação de Espécies Iris: Projeto de Machine Learning supervisionado no dataset Iris, testando modelos como SVM, KNN, Decision Trees e Random Forest pra classificar espécies com base em características florais, alcançando até 100% de acurácia.
- Previsão de Sobrevivência no Titanic: Solução para a competição Titanic do Kaggle, com feature engineering avançado e otimização de SVM (C=1, gamma=0.1, kernel='rbf'), alcançando alta precisão na previsão de sobrevivência.
- (Mais Projetos Em Breve)
- Pandas: Manipulação e pré-processamento de dados.
- NumPy: Cálculos numéricos e operações matemáticas.
- Scikit-Learn: Implementação de algoritmos de Machine Learning e métricas de avaliação.
- Seaborn: Visualizações pra análise de resultados.
- Matplotlib: Geração de gráficos, como matrizes de confusão.
Cada projeto aplica técnicas de Machine Learning pra resolver problemas específicos, desde a preparação dos dados até a avaliação de desempenho, oferecendo soluções robustas e insights baseados em modelos preditivos.