Este repositório serve como um portfólio dos trabalhos desenvolvidos para a disciplina EEL891 - Introdução ao Aprendizado de Máquina, ministrada na Universidade Federal do Rio de Janeiro (UFRJ) durante o semestre 2025.1.
Aqui estão compilados os projetos práticos que abordam conceitos fundamentais e a aplicação de algoritmos de Machine Learning, focando em problemas de classificação e regressão com dados reais. Cada pasta contém os códigos, análises e resultados correspondentes a um trabalho específico.
O repositório está organizado em pastas, uma para cada trabalho avaliativo da disciplina:
trabalho_1_classificacaotrabalho_2_regressao
Este projeto focou na construção de um classificador para auxiliar na decisão de aprovação de crédito. O objetivo foi prever se um solicitante de crédito seria um bom ou mau pagador com base em um dataset histórico de 20.000 transações.
Utilizando técnicas de Aprendizado de Máquina Supervisionado, o desafio envolveu:
- Análise exploratória de dados (EDA)
- Pré-processamento de dados
- Treinamento e avaliação de modelos de classificação
- Otimização de hiperparâmetros para alcançar a maior acurácia possível em um conjunto de dados de teste oculto (competindo em uma plataforma como Kaggle).
Neste segundo trabalho, o foco foi a aplicação de técnicas de regressão multivariável para estimar o preço de imóveis. Foram consideradas diversas características dos imóveis, tais como:
- Tipo (apartamento, casa, loft, quitinete)
- Localização (bairro)
- Número de quartos e vagas
- Área útil e extra
- Elementos diferenciais (churrasqueira, piscina, salão de festas, vista para o mar, etc.)
O projeto envolveu a construção de modelos de regressão capazes de mapear essas características a um valor de mercado, demonstrando a capacidade de prever valores contínuos a partir de um conjunto complexo de variáveis.
- Linguagem de Programação: Python
- Principais Bibliotecas:
pandas,numpy,scikit-learn,matplotlib,seaborn(e outras específicas, se aplicável)
A disciplina EEL891 (Introdução ao Aprendizado de Máquina) aborda os conceitos fundamentais, algoritmos e aplicações práticas de Machine Learning, preparando os alunos para desenvolver soluções baseadas em dados.