<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by Diego Ramirez on Medium]]></title>
        <description><![CDATA[Stories by Diego Ramirez on Medium]]></description>
        <link>https://medium.com/@daarfarias?source=rss-61ed1f2b877d------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*xUwr6qHtNIWjg1X5AE7zYA.jpeg</url>
            <title>Stories by Diego Ramirez on Medium</title>
            <link>https://medium.com/@daarfarias?source=rss-61ed1f2b877d------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Sun, 22 Nov 2026 07:36:14 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@daarfarias/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[Curso Microsoft Power BI Para Data Science]]></title>
            <link>https://daarfarias.medium.com/curso-microsoft-power-bi-para-data-science-45c71dde67fc?source=rss-61ed1f2b877d------2</link>
            <guid isPermaLink="false">https://medium.com/p/45c71dde67fc</guid>
            <category><![CDATA[python]]></category>
            <category><![CDATA[power-bi]]></category>
            <category><![CDATA[data-science-academy]]></category>
            <category><![CDATA[r]]></category>
            <category><![CDATA[data-science]]></category>
            <dc:creator><![CDATA[Diego Ramirez]]></dc:creator>
            <pubDate>Mon, 24 May 2021 21:41:42 GMT</pubDate>
            <atom:updated>2021-05-24T21:53:18.838Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*GYqnbFiPiGdGn4mweHB9dg.png" /></figure><h4>Minha experiência com a Data Science Academy</h4><p>O intuito dessa publicação é apresentar minha experiência com a <a href="https://www.datascienceacademy.com.br/"><em>Data Science Academy</em></a>, a fim de colaborar com quem está procurando informações sobre bom conteúdo para estudos em ciência de dados, Big Data, I.A, etc. Para quem não conhece, ela é uma plataforma de ensino online com diversos cursos e formações. Por exemplo, a formação Cientista de Dados compreende os cursos Big Data Analytics com R e Microsoft Azure Machine Learning, Machine Learning, Business Analytics, dentre outros. No total são 13 formações e diversos cursos.</p><p>Bem, diversas vezes eu já tinha visto referência à DSA em fóruns do Facebook, como também em buscas no Google. Uma coisa que me chamou bastante atenção é que sempre eram menções com ótimos feedbacks, aparecendo como uma das opções indispensáveis para quem quer estudar temas em Data Science que não seja fazendo um curso de graduação ou pós-graduação.</p><p>Resolvi, então, utilizar a plataforma quando vi uma propaganda no Linkedin do curso <a href="https://www.datascienceacademy.com.br/course?courseid=microsoft-power-bi-para-data-science"><em>Microsoft Power BI Para Data Science, Versão 2.0</em>.</a> Como é um curso gratuito, resolvi fazê-lo pois gostaria de melhorar meu conhecimento em Power Bi, como também “testar” a plataforma que vejo recebendo diversos elogios. Além do curso de Power Bi, há outros disponíveis gratuitamente, que acho interessante de mencionar. Os cursos são os seguintes:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/912/1*-yWorMi1p9vxbdDAzBDZ1w.png" /></figure><p>No que se refere ao curso de Power Bi, no total são 21 capítulos, com uma avaliação final de 65 questões, que particularmente achei bem razoável de se fazer. Quem assiste as aulas e realiza os exercícios não terá dificuldade em obter a pontuação mínima de 70% para receber o certificado.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*DeGrCj4RNC1JFX3h87GxNw.png" /></figure><p>O curso possui 72 horas com diversos conteúdos. Por exemplo, há tópicos sobre aspectos de modelagem de dados, relacionamento e linguagem DAX. Várias aulas práticas de construção de gráficos e dashboards. Também há dois capítulos tratando da interação do Power Bi com linguagem R e Python. Embora as possibilidades de uso dessas linguagens dentro do Power Bi sejam bem reduzidas, há algumas opções interessantes, como por exemplo a utilização do ótimo pacote do R para gráficos, ggplot2.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*cNBPCbG1QgBGVP9PLSpZbA.png" /></figure><p>E ainda, uma coisa que me chamou bastante atenção é que há um capítulo com uma introdução a Machine Learning. Neste, realizamos um mini-projeto para prever a inadimplência de clientes, utilizando o algoritmo Random Forest com linguagem R.</p><p>O professor Daniel Mendes possui ótima didática e fala com boa cadência. Eu tenho mania de ver vídeo-aulas em velocidade acelerada, então coloquei em velocidade 2x, mesmo assim a aula fica bem compreensiva.</p><p>Quando fiz o curso, já possuía, em diferentes graus, conhecimento em Power BI, R, Python e Machine Learning, então minha experiência foi diversa de quem não possui nenhum conhecimento sobretudo do Microsoft Power BI, que é o foco principal do curso. Talvez quem não tenha nenhum conhecimento em R e Python, assim como em aprendizagem de máquina tenha uma maior dificuldade em razão da quantidade de novos conteúdos. Porém, mesmo nessa situação, com tempo e realizando as atividades, poderá ter um bom aproveitamento do curso.</p><p>PRÓS</p><ul><li>Qualidade do conteúdo</li><li>Gratuito</li><li>Didática do professor</li><li>Interação com outras ferramentas (R, Python e PostgreSQL)</li><li>Boa apresentação visual do ambiente de ensino</li></ul><p>CONTRA</p><ul><li>Nenhum</li></ul><p>O único aspecto um pouco negativo que encontrei na DSA diz respeito a apresentação visual do ambiente do aluno (fora do ambiente de aulas). Achei um pouco confuso e visualmente não tão agradável. Mas nada que seja algo grave ou que crie um grande problema.</p><p>Atualmente, estou realizando dois cursos da DSA. O gratuito Python Fundamentos para Análise de Dados e o curso pago de Machine Leaning, utilizando R e Python. Paguei 899 reais, e até agora sinto que está sendo muito bem aplicado. Eu já mexia com R há algum tempo, e agora tenho estudado Python também, uma vez que há grande demanda por esta ferramenta no mercado.</p><p>P.S: Antes de ter me inscrito no curso de Power BI, quando estava procurando informações sobre a DSA, encontrei essa publicação <a href="https://medium.com/gustavorsantos/o-que-aprendi-na-forma%C3%A7%C3%A3o-cientista-de-dados-da-data-science-academy-16e7a1c020c"><em>O que aprendi na Formação Cientista de Dados da Data Science Academy</em></a>, que segue a linha da presente publicação.</p><ul><li>O curso <em>Microsoft Power BI Para Data Science, Versão 2.0 </em>pode ser acessado<em> </em><a href="https://www.datascienceacademy.com.br/course?courseid=microsoft-power-bi-para-data-science">AQUI</a></li><li>Cursos Gratuitos da DSA podem ser acessados <a href="https://www.datascienceacademy.com.br/pages/cursos-gratuitos-1">AQUI</a></li><li>Curso de Machine Learning <a href="https://www.datascienceacademy.com.br/course?courseid=machine-learning-engineer">AQUI</a></li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=45c71dde67fc" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Segmentação de clientes (Clusterização hierárquica)]]></title>
            <link>https://daarfarias.medium.com/segmenta%C3%A7%C3%A3o-de-clientes-clusteriza%C3%A7%C3%A3o-hier%C3%A1rquica-23c722ff7852?source=rss-61ed1f2b877d------2</link>
            <guid isPermaLink="false">https://medium.com/p/23c722ff7852</guid>
            <category><![CDATA[data-science]]></category>
            <category><![CDATA[jupyter-notebook]]></category>
            <category><![CDATA[wholesale]]></category>
            <category><![CDATA[clustering]]></category>
            <category><![CDATA[r]]></category>
            <dc:creator><![CDATA[Diego Ramirez]]></dc:creator>
            <pubDate>Mon, 03 May 2021 00:46:22 GMT</pubDate>
            <atom:updated>2021-05-03T00:46:22.943Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/640/1*X7kZZeHgFLUt8KnKzLAFtw.jpeg" /><figcaption>Imagem de <a href="https://pixabay.com/pt/users/tianya1223-4833799/?utm_source=link-attribution&amp;utm_medium=referral&amp;utm_campaign=image&amp;utm_content=5619201">THAM YUAN YUAN</a> por <a href="https://pixabay.com/pt/?utm_source=link-attribution&amp;utm_medium=referral&amp;utm_campaign=image&amp;utm_content=5619201">Pixabay</a></figcaption></figure><p>O conjunto de dados <a href="https://archive.ics.uci.edu/ml/datasets/Wholesale+customers"><em>Wholesale customers</em></a> contém gastos de clientes de um distribuidor atacadista, dividido por categorias de produtos. Ele contém 440 observações e 8 variáveis. Adicionamos uma coluna de data, com valores aleatórios. Dessa, criamos colunas com ano e dias decorridos desde a última compra.</p><p>A partir desses dados, procuramos responder algumas questões tendo como base os gastos dos clientes. Nesse sentido, estabelecemos o problema de negócio em 6 pontos.</p><ol><li>Qual o total de gastos dos clientes por tipo de produto?</li><li>Qual a média de gastos dos clientes por tipo de produto?</li><li>Qual foi o total de gastos dos clientes nos últimos 30, 60 e 90 dias?</li><li>Qual foi o total de gastos por categoria de produtos nos últimos 30, 60 e 90 dias?</li><li>Qual o total de gastos dos clientes por ano?</li><li>Agrupar clientes(segmentação de mercado).</li></ol><p>Visualizando o total de gastos por categoria de produtos, podemos notar a presença de outliers. Obviamente, temos em mente que o conjunto de dados representa gastos de clientes de um distribuidor atacadista. Assim, é razoável imaginar que alguns clientes possuem maior poder de compra. No entanto, realizamos alguns tratamentos nos dados ao realizar a clusterização.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/680/1*84jqGT40WOFh25gCzfN1sA.png" /></figure><p>Bem, um problema de negócio é ver o total de gastos por categoria de produto ano a ano, no período de 2015 a 2019. Por exemplo, o total de gastos em produtos frescos foi de 998.964, como podemos ver abaixo.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/623/1*VW-xMBLLDfO-Y1aIPNrWGA.png" /></figure><p>Além disso, realizamos dois tipos de segmentação. Primeiramente, utilizamos a clusterização hierárquica, com a função <em>hclust(). </em>E, assim, segmentamos nosso conjunto de dados em 4 grupos, como pode ser visualizado abaixo no dendograma .</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/654/1*VzPFSsNPqjRLakbV51WECw.png" /></figure><p>A partir disso, podemos traçar o perfil dos clientes. Por exemplo, é possível obter a média de gastos por segmento. O grupo 1 gastou com produtos lácteos em média 2472.6 dólares. Enquanto, o grupo 4 gastou em média quase o dobro, ou seja, 4311.9 dólares.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/518/1*We8qwGVQIDm7-PvUt-68OQ.png" /></figure><p>Também realizamos a segmentação a partir da “temperatura” do cliente, segundo o tempo decorrido desde a última compra. Desde modo, dividimos o conjunto de dados em quatro grupos:</p><ul><li>Clientes inativos (Período superior a três anos)</li><li>Clientes frios (Entre dois e três anos)</li><li>Clientes quentes (Entre um e dois anos)</li><li>Clientes ativos (Compras nos últimos 365 dias)</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/670/1*cEK719qyhs3o4PPjlAhB3A.png" /></figure><p>Em nosso projeto, fizemos algumas modificações no conjunto de dados <a href="https://archive.ics.uci.edu/ml/datasets/Wholesale+customers"><em>Wholesale customers</em></a>, a fim de exemplificar como usar o R e clusterização para responder a problemas de negócios. O projeto completo está no meu Gitub, que pode ser acessado com links abaixo.</p><ul><li>O projeto completo pode ser acessado <a href="https://github.com/daarfarias/Segmentacao-de-mercado-com-cluster-hierarquico-">AQUI</a></li><li>O conjunto de dados pode ser acessado <a href="https://archive.ics.uci.edu/ml/datasets/Wholesale+customers">AQUI</a></li><li>Meu <a href="https://github.com/daarfarias">Github</a></li><li>Meu <a href="http://www.linkedin.com/in/diego-ramirez-jag">Linkedin</a></li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=23c722ff7852" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Consumo Doméstico de Energia Elétrica (K-Means com R)]]></title>
            <link>https://daarfarias.medium.com/consumo-dom%C3%A9stico-de-energia-el%C3%A9trica-k-means-com-r-814bfd9c921b?source=rss-61ed1f2b877d------2</link>
            <guid isPermaLink="false">https://medium.com/p/814bfd9c921b</guid>
            <category><![CDATA[jupyter-notebook]]></category>
            <category><![CDATA[r]]></category>
            <category><![CDATA[clustering]]></category>
            <category><![CDATA[k-means]]></category>
            <category><![CDATA[machine-learning]]></category>
            <dc:creator><![CDATA[Diego Ramirez]]></dc:creator>
            <pubDate>Wed, 21 Apr 2021 02:09:26 GMT</pubDate>
            <atom:updated>2021-04-21T07:29:29.447Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/640/1*YevvKsBBHFTXc7Adz6bIiw.jpeg" /><figcaption>Imagem de <a href="https://pixabay.com/pt/users/nikiko-268709/?utm_source=link-attribution&amp;utm_medium=referral&amp;utm_campaign=image&amp;utm_content=532720">Nicole Köhler</a> por <a href="https://pixabay.com/pt/?utm_source=link-attribution&amp;utm_medium=referral&amp;utm_campaign=image&amp;utm_content=532720">Pixabay</a></figcaption></figure><p>O conjunto de dados apresenta informações sobre o consumo de energia elétrica em residências da cidade Sceaux da França. Os registros compreendem um período de quase 4 anos, possuindo 2075259 observações e 9 variáveis, como por exemplo potência ativa e reativa, voltagem, submedição do consumo na área da cozinha, dentre outras. Abaixo podemos visualizar as seis primeiras linhas do dataset.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/904/1*iTZDQFnwlmPsMeh5H5RFXw.png" /></figure><p>Plotando histogramas podemos visualizar a distribuição de frequência das variáveis, possibilitando uma melhor compreensão delas. Com a função <em>summary()</em> encontramos os valores de Potência ativa média de 1,10 kW e tensão média de 241 volts, por exemplo.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/851/1*MFAS6En3lAR2xTC8BHc9NQ.png" /></figure><p>Para analisar o comportamento dos consumidores utilizamos o algoritmo de aprendizado não supervisionado K-means, pretendendo agrupar os clientes em conjuntos “semelhantes”.</p><p>Como ponto de partida, usamos quatro opções para determinar o número ideal de k. A função <em>NbCluster(),</em> com index “silhouette” e “all”, do pacote <em>nbClust</em> e a função <em>fviz_nbclust(),</em> com métodos “wss” e “silhouette”, do pacote <em>factoextra</em>. Tendo sido encontrados os valores de k=2 e k=3, como ideais.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/435/1*gQryc-psBZZBQF8O6EHGrg.png" /></figure><p>Resolvemos construir 4 modelos utilizando valores de k de 2 a 5. Obtivemos melhor <em>Average silhouette width</em> com o modelo 3 de k=4, ele obteve o score de 0.44. Como pode ser observado abaixo.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Qn5CgWU0g68ECfUMrQ0YmQ.png" /></figure><ul><li>O projeto completo pode ser acessado <a href="https://github.com/daarfarias/Consumo-Domestico-de-Energia-Eletrica-K-Means-">AQUI</a></li><li>O conjunto de dados pode ser acessado <a href="https://archive.ics.uci.edu/ml/datasets/individual+household+electric+power+consumption">AQUI</a></li><li>Meu <a href="http://www.linkedin.com/in/diego-ramirez-jag">Linkedin</a></li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=814bfd9c921b" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Plotando Consumo de Energia Elétrica (Python)]]></title>
            <link>https://daarfarias.medium.com/plotando-consumo-de-energia-el%C3%A9trica-python-5bd42d7a750e?source=rss-61ed1f2b877d------2</link>
            <guid isPermaLink="false">https://medium.com/p/5bd42d7a750e</guid>
            <category><![CDATA[pandas]]></category>
            <category><![CDATA[jupyter-notebook]]></category>
            <category><![CDATA[exploratory-data-analysis]]></category>
            <category><![CDATA[data-science]]></category>
            <category><![CDATA[python]]></category>
            <dc:creator><![CDATA[Diego Ramirez]]></dc:creator>
            <pubDate>Mon, 19 Apr 2021 03:30:57 GMT</pubDate>
            <atom:updated>2021-04-19T03:30:57.362Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/640/1*MwvifS1SMfodYilWm6Wlog.jpeg" /><figcaption>Imagem de <a href="https://pixabay.com/pt/users/publicdomainpictures-14/?utm_source=link-attribution&amp;utm_medium=referral&amp;utm_campaign=image&amp;utm_content=219926">PublicDomainPictures</a> por <a href="https://pixabay.com/pt/?utm_source=link-attribution&amp;utm_medium=referral&amp;utm_campaign=image&amp;utm_content=219926">Pixabay</a></figcaption></figure><p>O <a href="https://archive.ics.uci.edu/ml/datasets/individual+household+electric+power+consumption">c</a>onjunto de dados <em>Individual Household Electric Power Consumption</em> apresenta informações sobre o consumo de energia elétrica em residências da cidade Sceaux da França e compreende o período de quase 4 anos. Ele possui 2.075.259 observações e 9 variáveis. Abaixo podemos visualizar as primeiras linhas, com a fusão de data e tempo em uma coluna.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/897/1*Zo6yy2ZZbikTtxVYR5IKkw.png" /></figure><p>Primeiramente, utilizando histogramas podemos visualizar a distribuição de frequência das variáveis. Como por exemplo nos gráficos abaixo, nos quais utilizamos o pacote Matplotlib<em> </em>para plotar as variáveis potência ativa e potência reativa.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/770/1*nyFiavqAfMwChapccjnRfw.png" /></figure><p>Com o pacote Seaborn, podemos plotar gráficos de dispersão com reta de regressão. No caso, relacionamos a variável que representa a potência ativa com as demais variáveis numéricas. Abaixo podemos visualizar a relação da potência ativa com as variáveis <em>Sub Metering</em> 1 e 2, que representam a submedição de energia na cozinha e lavanderia, respectivamente, em watts por hora.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/748/1*GrMbpMPr_D4Sjf2vxfx4_Q.png" /></figure><p>Construímos também alguns gráficos de séries temporais. Há diversas possibilidades de manipulação de datas para plotar gráficos deste tipo, escolhemos construir visualizações de todas variáveis em sua média diária . Abaixo, temos as variáveis de potência ativa e reativa.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/773/1*T0POfblAG5OjkM-D3Nz05w.png" /></figure><ul><li>O projeto completo pode ser acessado <a href="https://github.com/daarfarias/Consumo-Domestico-de-Energia-Eletrica-EDA---Python-">AQUI</a></li><li>Os dados podem ser acessados <a href="https://archive.ics.uci.edu/ml/datasets/individual+household+electric+power+consumption">AQUI</a></li><li>Meu Github pode ser acessado <a href="https://github.com/daarfarias">AQUI</a></li><li>Meu Linkedin pode ser acessado <a href="http://www.linkedin.com/in/diego-ramirez-jag">AQUI</a></li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=5bd42d7a750e" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Analisando ENADE 2019 (Python)]]></title>
            <link>https://daarfarias.medium.com/analisando-enade-2019-python-9c3d906e40ac?source=rss-61ed1f2b877d------2</link>
            <guid isPermaLink="false">https://medium.com/p/9c3d906e40ac</guid>
            <category><![CDATA[enade]]></category>
            <category><![CDATA[jupyter-notebook]]></category>
            <category><![CDATA[python]]></category>
            <category><![CDATA[exploratory-data-analysis]]></category>
            <dc:creator><![CDATA[Diego Ramirez]]></dc:creator>
            <pubDate>Fri, 09 Apr 2021 01:59:16 GMT</pubDate>
            <atom:updated>2021-04-09T01:59:16.580Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/640/1*_BWuzVMGddQt5FaZkJ1kuA.jpeg" /><figcaption>Imagem de <a href="https://pixabay.com/pt/users/f1digitals-1568321/?utm_source=link-attribution&amp;utm_medium=referral&amp;utm_campaign=image&amp;utm_content=3723132">F1 Digitals</a> por <a href="https://pixabay.com/pt/?utm_source=link-attribution&amp;utm_medium=referral&amp;utm_campaign=image&amp;utm_content=3723132">Pixabay</a></figcaption></figure><p>Anteriormente, realizei uma análise exploratória dos dados do ENADE 2017, especificamente dos alunos do curso de filosofia, usando a linguagem R (<a href="https://github.com/daarfarias/Analise-exploratoria-ENADE-2017-Filosofia-">AQUI</a>). Resolvi agora empreender uma análise da edição de 2019, não focando apenas num curso específico, mas agora examinando todos os cursos.</p><p>Como há uma infinidade de variáveis que representam aspectos e informações da instituição, dos cursos e das características dos estudantes, selecionamos apenas 10 variáveis. Focamos na variável nota bruta da prova e algumas outras sobre localização, características e aspecto socioeconômico do participante.</p><p>Além disso, foi um desafio montar o projeto usando Python, uma vez que é uma linguagem que não possuo tanta proficiência. Tenho maior facilidade com a linguagem R, pois já lido com ela há algum tempo.</p><p>Bem, quando observamos os dados do ENADE, no que se refere à localização do participantes, notamos que há uma disparidade no desempenho quando comparamos as regiões do Brasil.</p><ul><li>A Região sudeste possui o maior número de participantes, já a região norte detém o menor número de participantes no ENADE 2019.</li><li>O número de participantes do Estado de São Paulo é muito superior que os demais. Notamos, também, um grande número de inscrições nos estados do Rio de Janeiro e os da região sul (RS,SC e PR).</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/793/1*CPp3yKLuuUugpGqrrGyyfA.png" /></figure><ul><li>A média de idade é 27 anos, com a idade mínima de 18 e máxima de 86 anos. Ademais, 53.8% dos participantes são do sexo feminino e 46.2% são do sexo masculino. Como podemos observar abaixo:</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/800/1*iwR3686tgXU_vmDxpI1Wqw.png" /></figure><p>Efetuamos, também, uma análise bivariada, correlacionando a variável nota bruta com as demais variáveis. Por exemplo, podemos notar abaixo a relação entre nota e sexo, assim como nota e idade:</p><ul><li>A nota média das mulheres é 44.6, já a dos homens é de 43.3 pontos.</li><li>Há uma correlação negativa entre idade e nota bruta. Deste modo, quanto maior a idade do participante, menor sua nota em média. Por exemplo, a média das notas aos 20 anos é 46.4, já aos 50 anos é 36.8 pontos.</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/764/1*VR2vNJ-NW9D7oIWVNoZ15Q.png" /></figure><ul><li>O projeto completo pode ser acessado <a href="https://github.com/daarfarias/Analise-Exploratoria-ENADE-2019---Python">AQUI</a></li><li>Projeto ENADE 2017 pode ser acessado <a href="https://github.com/daarfarias/Analise-exploratoria-ENADE-2017-Filosofia-">AQUI</a></li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=9c3d906e40ac" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Rotatividade dos Clientes Telco (KNN-Random Forest-Regressão Logística) no R]]></title>
            <link>https://daarfarias.medium.com/rotatividade-dos-clientes-telco-knn-random-forest-regress%C3%A3o-log%C3%ADstica-no-r-ebe0fe746360?source=rss-61ed1f2b877d------2</link>
            <guid isPermaLink="false">https://medium.com/p/ebe0fe746360</guid>
            <category><![CDATA[r]]></category>
            <category><![CDATA[churn]]></category>
            <category><![CDATA[data-science]]></category>
            <category><![CDATA[jupyter-notebook]]></category>
            <category><![CDATA[machine-learning]]></category>
            <dc:creator><![CDATA[Diego Ramirez]]></dc:creator>
            <pubDate>Tue, 06 Apr 2021 23:49:44 GMT</pubDate>
            <atom:updated>2021-04-06T23:49:44.291Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/640/1*P8FuFzvFjMuxqqd4I0u1zA.jpeg" /><figcaption>Imagem de <a href="https://pixabay.com/pt/users/republica-24347/?utm_source=link-attribution&amp;utm_medium=referral&amp;utm_campaign=image&amp;utm_content=820001">Republica</a> por <a href="https://pixabay.com/pt/?utm_source=link-attribution&amp;utm_medium=referral&amp;utm_campaign=image&amp;utm_content=820001">Pixabay</a></figcaption></figure><p>O dataset possui informações sobre rotatividade, serviços contratados (segurança, backup, proteção, etc.), informações da conta, tipo de contrato e características dos clientes de uma empresa de telecomunicações. Ele é composto por 7.043 linhas e 21 colunas, tais como gênero, método de pagamento, serviço de internet, tempo como cliente da empresa, etc.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/627/1*yMQC89R7-o03tq3xCxrq0A.png" /></figure><p>Empresas desse ramo costumam preocuparem-se com problemas de classificação. No nosso conjunto de dados, a variável <em>Churn</em> representa a rotatividade dos clientes. Ou seja, a perda ou não do cliente por parte da companhia. Sua distribuição pode ser vista na imagem abaixo:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/638/1*grCSzVFSasLlEYPOFw1nPA.png" /></figure><p>Utilizamos três algoritmos para prever o comportamento dos usuários, e assim prever a perda do cliente, são eles: KNN, Random Forest e Regressão Logística. Criamos dois modelos em cada algoritmos. O primeiro com a variável <em>Churn </em>como variável dependente e as restantes como variáveis independentes. O segundo modelo contém a seleção das variáveis mais importantes do primeiro modelo.</p><p>Quando comparamos os seis modelos criados, o algoritmo KNN, modelo 1, obteve o melhor desempenho comparado com Random Forest e Regressão Logística. Ele obteve uma acurácia de 0.8105, assim como melhor balanceamento entre sensibilidade e especificidade.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/744/1*uDRA3rad5lROol3gYug8pA.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/386/1*0aYoh-lY0hBAUyXFwb3ZoQ.png" /></figure><ul><li>Projeto completo pode ser acessado <a href="https://github.com/daarfarias/Rotatividade-Clientes-Telco-KNN-Random-Forest_GLM-">AQUI</a></li><li>O dataset pode ser acessado <a href="https://www.kaggle.com/blastchar/telco-customer-churn">AQUI</a></li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=ebe0fe746360" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Clusterização Call of Duty Players (K-Means com R)]]></title>
            <link>https://daarfarias.medium.com/clusteriza%C3%A7%C3%A3o-call-of-duty-players-k-means-com-r-cbe408751159?source=rss-61ed1f2b877d------2</link>
            <guid isPermaLink="false">https://medium.com/p/cbe408751159</guid>
            <category><![CDATA[machine-learning]]></category>
            <category><![CDATA[call-of-duty]]></category>
            <category><![CDATA[clustering]]></category>
            <category><![CDATA[jupyter-notebook]]></category>
            <category><![CDATA[r]]></category>
            <dc:creator><![CDATA[Diego Ramirez]]></dc:creator>
            <pubDate>Thu, 25 Mar 2021 04:24:43 GMT</pubDate>
            <atom:updated>2021-03-25T04:24:43.475Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/640/1*oVGWBsDy5D5dGqGd19eHiA.jpeg" /><figcaption>Imagem de <a href="https://pixabay.com/pt/users/pexels-2286921/?utm_source=link-attribution&amp;utm_medium=referral&amp;utm_campaign=image&amp;utm_content=1282330">Pexels</a> por <a href="https://pixabay.com/pt/?utm_source=link-attribution&amp;utm_medium=referral&amp;utm_campaign=image&amp;utm_content=1282330">Pixabay</a></figcaption></figure><p>Procuramos realizar um trabalho de clusterização no dataset que engloba informações sobre o comportamento de jogadores do game <em>Call of Duty: Modern Warfare</em> durante partidas online. O conjunto de dados possui 1.558 linhas e 19 colunas, tais como nome do jogador, número de vitórias, número de derrotas, nível de experiência do jogador, dentre outras. Utilizamos o algoritmo K-means para encontrar segmentos de jogadores.</p><p>Primeiramente, avaliamos a agrupabilidade dos dados com a estatística Hopkins. Procuramos obter valores menores do que .5, uma vez que valores superiores a este significam que o dataset não é próprio para clusterização.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/440/1*SB_56tBp9cm9pCuuXZMLjg.png" /></figure><p>Como obtivemos um valor menor do que .5, podemos seguir com nosso trabalho. No primeiro modelo, usamos a função <em>NbClust() </em>do pacote de mesmo nome, para obter o valor ideal de K. Encontramos o valor de k=2.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/576/1*o4_hnognJqoaMxrxXIYgvg.png" /></figure><p>Criamos o primeiro modelo que pode ser visualizado abaixo.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/837/1*z8qu86Dz8O_kYG3QoT19lw.png" /></figure><p>Mas há um elemento importante que devemos considerar envolvendo nosso trabalho, que é o fato de estarmos lidando com informações sobre o comportamento de jogadores de um game online. É razoável considerarmos que temos ao menos três categorias de jogadores, a saber, os novatos, os intermediários e os avançados. Visto isso, achamos coerente estabelecer o valor de k=3.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/847/1*maw5GrkDvCfgG_4e_oc0lg.png" /></figure><ul><li>O projeto completo pode ser acessado <a href="https://github.com/daarfarias/Call-of-Duty-Players-K-Means-">AQUI</a></li><li>Os dados podem ser encontrados <a href="https://www.kaggle.com/aishahakami/call-of-duty-players">AQUI</a></li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=cbe408751159" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Prevendo a inadimplência no cartão de crédito 2 (KNN — R)]]></title>
            <link>https://daarfarias.medium.com/prevendo-a-inadimpl%C3%AAncia-no-cart%C3%A3o-de-cr%C3%A9dito-2-knn-r-657efa64ef37?source=rss-61ed1f2b877d------2</link>
            <guid isPermaLink="false">https://medium.com/p/657efa64ef37</guid>
            <category><![CDATA[machine-learning]]></category>
            <category><![CDATA[data-science]]></category>
            <category><![CDATA[r]]></category>
            <category><![CDATA[knn]]></category>
            <category><![CDATA[jupyter-notebook]]></category>
            <dc:creator><![CDATA[Diego Ramirez]]></dc:creator>
            <pubDate>Sun, 21 Mar 2021 05:59:32 GMT</pubDate>
            <atom:updated>2021-03-21T05:59:32.303Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/640/1*VZSJMKGt015ArQJDfqsgfg.jpeg" /><figcaption>Imagem de <a href="https://pixabay.com/photos/?utm_source=link-attribution&amp;utm_medium=referral&amp;utm_campaign=image&amp;utm_content=1209641">Free-Photos</a> por <a href="https://pixabay.com/pt/?utm_source=link-attribution&amp;utm_medium=referral&amp;utm_campaign=image&amp;utm_content=1209641">Pixabay</a></figcaption></figure><h3>Prevendo a inadimplência no cartão de crédito 2 (KNN — R)</h3><p>Há diversos algoritmos que podemos utilizar para resolver problemas de classificação, como por exemplo KNN, Random Forest, regressão logística, etc. Em outro projeto usamos o algoritmo Random Forest (<a href="https://daarfarias.medium.com/prevendo-a-inadimpl%C3%AAncia-no-cart%C3%A3o-de-cr%C3%A9dito-random-forest-r-78abdb27ba5c">link</a>) para prever a inadimplência de clientes no pagamento do cartão de crédito. No presente trabalho, seguimos com mesmo intuito, mas agora utilizando o algoritmo KNN. Usamos também o mesmo dataset.</p><p>A utilização de dois ou mais algoritmos pode ser frutífero para resolução de problemas em diversos segmentos de negócios. No caso de prever inadimplência de clientes podemos muito bem testar vários algoritmos e observar qual deles tem o melhor desempenho e assim podemos ser mais eficientes na solução do problema de negócio.</p><p>Dito isso, criamos o primeiro modelo utilizando todas as variáveis do dataset e obtivemos uma acurácia de 0.8117. A sensibilidade(taxa de verdadeiro positivo) foi de 0.9592 e a especificidade (taxa de verdadeira negativa) de 0.2972.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/411/1*-ORZFwaaXDg9wGtfbR0uew.png" /></figure><p>No segundo modelo mudamos o método do algoritmo para ROC e a acurácia do modelo diminuiu um pouco para 0.812. E embora a sensibilidade (0.9663) tenha aumentado um pouco, a especificidade caiu para 0.2736.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/414/1*GI6XY0G7CiqW7HckeFhjSg.png" /></figure><p>Resolvemos, então, fazer um balanceamento da variável <em>Defaulting</em>, pois como fica claro pela imagem, há muito mais valores da classe <em>Yes</em> do que da classe <em>No</em>, o que pode causar problemas na classificação.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/539/1*ZobuC5hXeiywIfWL2RzBww.png" /></figure><p>No entanto, a acurácia do modelo caiu para 0.7797. Ainda montamos um modelo com as variáveis mais importantes do modelo, mas obtemos uma acurácia pior ainda, a saber, o modelo ficou com 0.7637.</p><p>Por fim, montamos um modelo com as variáveis mais importantes do primeiro modelo sem os dados balanceados. As variáveis foram PAY_0, PAY_2, LIMIT_BAL, PAY_3, PAY_AMT1, PAY_4, PAY_AMT2.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/338/1*2cJMoEGTsXWJmejiho3IuQ.png" /></figure><p>Como pode ser visto acima, o modelo 5 foi o que obteve melhor acurácia (<em>0.8157</em>), foi o mais equilibrado na relação entre verdadeiros positivos e verdadeiros negativos, com sensibilidade de <em>0.9514</em> e especificidade <em>0.3426.</em></p><ul><li>O projeto completo pode ser encontrado <a href="https://github.com/daarfarias/Pagamento-cartao-de-credito-KNN">AQUI</a></li><li>Meu Github: <a href="https://github.com/daarfarias">https://github.com/daarfarias</a></li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=657efa64ef37" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Prevendo a inadimplência no cartão de crédito (Random Forest — R)]]></title>
            <link>https://daarfarias.medium.com/prevendo-a-inadimpl%C3%AAncia-no-cart%C3%A3o-de-cr%C3%A9dito-random-forest-r-78abdb27ba5c?source=rss-61ed1f2b877d------2</link>
            <guid isPermaLink="false">https://medium.com/p/78abdb27ba5c</guid>
            <category><![CDATA[machine-learning]]></category>
            <category><![CDATA[credit-cards]]></category>
            <category><![CDATA[r]]></category>
            <category><![CDATA[data-science]]></category>
            <category><![CDATA[random-forest]]></category>
            <dc:creator><![CDATA[Diego Ramirez]]></dc:creator>
            <pubDate>Sat, 13 Mar 2021 06:13:06 GMT</pubDate>
            <atom:updated>2021-03-13T06:13:06.207Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/640/1*3DFpgBcKuHJlhJxHdFvYwg.jpeg" /><figcaption>Photo by <a href="https://unsplash.com/@markusspiske?utm_source=unsplash&amp;utm_medium=referral&amp;utm_content=creditCopyText">Markus Spiske</a> on <a href="https://unsplash.com/s/photos/machine-learning?utm_source=unsplash&amp;utm_medium=referral&amp;utm_content=creditCopyText">Unsplash</a></figcaption></figure><h3>Prevendo a inadimplência no cartão de crédito (Random Forest — R)</h3><p>Primeiramente, o presente projeto advém de um exercício do curso gratuito <em>Microsoft Power BI Para Data Science, Versão 2.0</em> da Data Science Academy. Embora o curso seja sobre o Power BI, há tópicos sobre outras ferramentas que podem (e devem) ser usadas em conjunto, como R, Python, PostgreSQL, etc.</p><p>O exercício consistiu em construir um modelo de machine learning para prever a probabilidade de inadimplência no pagamento de cartão de crédito. Para tal feito, utilizou-se o algoritmo Random Forest no R. O dataset utilizado, <em>Default of credit card clients, </em>possui 30.000 linhas e 25 colunas. A primeira coluna (ID do cliente) foi suprimida pois não nos era importante. As restantes foram utilizadas no nosso trabalho da seguinte maneira.</p><p>A variável <em>Defaulting </em>foi nossa<em> </em>variável dependente binária (Sim = 1, Não = 0) representando a inadimplência no pagamento. As outras 23 variáveis (independentes) representaram o gênero, idade, histórico de pagamentos, etc., dos clientes.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1006/1*FVQyZNxl3Xk2feb9FD--fg.png" /></figure><p>Utilizamos o pacote randomForest para realizar nossa tarefa. Primeiro, construímos um modelo bem básico, constituído pela variável dependente <em>Defaulting </em>e todas as outras 23 variáveis.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/601/1*xErBw8JMbsMEY6zGVb5qGA.png" /></figure><p>No segundo modelo, fizemos o balanceamento da variável <em>Defaulting</em>, uma vez que ela possui uma desproporcionalidade no registro de clientes adimplentes e inadimplentes, o que causa problemas para nosso modelo. Utilizamos a função <em>SMOTE()</em> do pacote DMwR.</p><p>No terceiro e último modelo, selecionamos as variáveis mais importantes, empregando a função <em>importance()</em> do próprio pacote randomForest. Plotando a relação de importância das variáveis temos:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/498/1*dwe1KpSQApCk8OrgSZ1lJw.png" /></figure><p>Selecionamos as sete variáveis de maior importância, a fim de construir o terceiro modelo. Se compararmos com o primeiro, temos 16 variáveis a menos. É fácil visualizar (acima) a grande diferença de importância entre a variável PAY_0 (representa o histórico de pagamentos anteriores) e a variável que representa o sexo do cliente (SEX).</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/991/1*BP1zh4QjnYaoMd-4n-oUcQ.png" /></figure><p>Com a função <em>confusionMatrix()</em> do pacote caret, montamos uma matriz de confusão para avaliar nosso modelo. Obtivemos 79% de acurácia com balanceamento da variável dependente e a seleção das variáveis mais importantes. No exercício também calculamos as métricas precision, recall e F1 para uma melhor avaliação de nosso modelo preditivo.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/369/1*jiSpGp5uM-jjL5YYrrhoGw.png" /></figure><p>Obviamente, trata-se de um exercício que apresenta algumas poucas dentre diversas possibilidades que temos para a construção de um modelo de machine learning utilizando o algoritmo Random Forest.</p><ul><li>O projeto completo pode ser encontrado <a href="https://github.com/daarfarias/Pagamento-cartao-de-credito-Random-Forest-">AQUI</a></li><li>O curso gratuito de Power BI da DSA pode ser acessado <a href="https://www.datascienceacademy.com.br/pages/cursos-gratuitos-1">AQUI</a></li><li>Meu Github: <a href="https://github.com/daarfarias">https://github.com/daarfarias</a></li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=78abdb27ba5c" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Avaliando desempenho na redação do ENEM 2019]]></title>
            <link>https://daarfarias.medium.com/avaliando-desempenho-na-reda%C3%A7%C3%A3o-do-enem-2019-a982ccf6be30?source=rss-61ed1f2b877d------2</link>
            <guid isPermaLink="false">https://medium.com/p/a982ccf6be30</guid>
            <category><![CDATA[exploratory-data-analysis]]></category>
            <category><![CDATA[essay]]></category>
            <category><![CDATA[enem]]></category>
            <category><![CDATA[jupyter-notebook]]></category>
            <category><![CDATA[r]]></category>
            <dc:creator><![CDATA[Diego Ramirez]]></dc:creator>
            <pubDate>Thu, 04 Mar 2021 04:48:19 GMT</pubDate>
            <atom:updated>2021-03-04T04:48:19.225Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/640/1*U1HWymAY870GdfjyQxGPOQ.jpeg" /><figcaption>Imagem de <a href="https://pixabay.com/pt/users/tjevans-5937713/?utm_source=link-attribution&amp;utm_medium=referral&amp;utm_campaign=image&amp;utm_content=2521144">tjevans</a> por <a href="https://pixabay.com/pt/?utm_source=link-attribution&amp;utm_medium=referral&amp;utm_campaign=image&amp;utm_content=2521144">Pixabay</a></figcaption></figure><p>Usando R</p><p>O Exame Nacional do Ensino Médio (Enem) tem como intuito realizar uma avaliação do desempenho escolar dos estudantes concluintes do Ensino Médio. Ele também é utilizado como mecanismo de acesso ao ensino superior, através do Sisu. No site do INEP, temos acesso aos dados dessa importante avaliação, mediante os quais pode-se desenvolver estudos relacionados a avaliar o conhecimento e competências dos concluintes da educação básica.</p><p>Resolvi fazer um projeto para analisar o desempenho dos estudantes na redação do ENEM, relacionando-a com algumas características dos participantes, tais como idade, sexo, renda familiar, etc. Todo conjunto de dados possui 136 variáveis, mas realizamos um recorte, selecionando apenas as seguintes variáveis:</p><ul><li>NU_IDADE: Idade</li><li>TP_SEXO: Sexo</li><li>TP_COR_RACA: Cor/Raça</li><li>NU_NOTA_REDACAO: Nota na redação</li><li>Q001: Formação do pai ou responsável homem</li><li>Q002: Formação da mãe ou responsável mulher</li><li>Q006: Renda familiar</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/521/1*ohJ8YuW7Xu5cu8cIRDkZpQ.png" /></figure><p>Se olharmos a relação entre redação e cor/raça dos participantes, notamos que os estudantes brancos em média obtiveram 607 pontos no Enem. Já os autodeclarados indígenas atingiram em média 490 pontos. O boxplot abaixo nos permite uma boa visualização da relação entre essas variáveis, como também nos permite fazer uma distinção de gênero. O ponto verde representa a média das notas.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/520/1*THICmH2BBIWfNjWLKFScPQ.png" /></figure><p>A variável idade é quantitativa, mas podemos transformá-la em categórica para representar faixas etárias. No gráfico abaixo, podemos ver a relação entre nota da redação e a variável idade convertida em 10 classes, categorizada por cor/raça. Novamente o ponto verde representa a média.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/477/1*dAempda15kfrWs-BqmV3GQ.png" /></figure><p>Com gráfico de violino, podemos visualizar a distribuição e a densidade de probabilidade de uma variável. Aqui relacionamos as notas com o grau de instrução da mãe ou responsável do sexo feminino. Fizemos ainda a divisão por gênero. Por exemplo, a classe <em>A</em> significa que a responsável nunca estudou, já a classe <em>G</em> representa pós-graduação completa. Facilmente visualizamos que conforme o grau de instrução aumenta, a média (em verde) da pontuação também aumenta.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/592/1*b8ZmXd3GwRLfvlylsbFxMQ.png" /></figure><ul><li>O projeto completo pode ser acessado <a href="https://github.com/daarfarias/Essay-Score-ENEM-2019">AQUI</a></li><li>Acesse meu Github <a href="https://github.com/daarfarias">AQUI</a></li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=a982ccf6be30" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>