| 🪧 Vitrine.Dev | |
|---|---|
| ✨ Nome | Imersão Dados |
| 🏷️ Tecnologias | Python |
| 🚀 URL | https://github.com/fab-souza/Projeto-imersao-dados-4 |
| 🔥 Desafio | https://www.alura.com.br/imersao-dados-4 |
Durante os dias 23 a 27 de maio, aconteceu a Imersão Dados 4, oferecida pela Alura e Creditas, ministrada pelo Paulo Silveira, Thiago Gonçalves e Vivian Yamassaki. Foram cinco aulas que mostraram como desenvolver um projeto, em que aprendemos a analisar dados, como se fossemos um cientista de dados, usando Python, Pandas e outras bibliotecas, assim, ao final da Imersão, ser capaz de precificar um imóvel na cidade de São Paulo através de Machine Learning.
Levei mais tempo do que imaginei, mas terminei boa parte dos desafios e consegui documentar o processo. No arquivo do projeto, eu deixei os comentários que fiz durante as aulas e acrescentei conceitos que foram vistos, seguindo o conselho da Vivian, pois tentei imaginar um cenário em que eu apresento os resultados da Imersão para alguém que nunca teve contato com ele anteriormente, ou como uma forma de me lembrar do que fiz, quando rever o projeto daqui a um tempo.
Eu não consegui lançar no Github a parte referente ao mapa que fiz no Kaggle, porque o arquivo é maior do que 25 MB. Mas segue o link: https://www.kaggle.com/code/fabianadesouza/imersao-dados-4
Renda média:
Valor do metro quadrado:
A última aula foi bem densa, foi a que tive mais dificuldade em entender e absorver o conteúdo. Tanto é que não conclui todos os desafios, mesmo um mês após a Imersão. Ainda estou insegura em relação ao Machine Learning, tenho muito o que aprender sobre o assunto e acho melhor buscar este conhecimento aos poucos, ao invés de querer fazer e entender tudo de uma vez e acabar não conseguindo aplicar em outros contextos.
De modo geral, eu gostei muito do que vi, aprendi e fiz neste projeto. Este é o primeiro conteúdo de Data Science que ‘fui mais longe’ e que passei mais tempo buscando formas de resolver os desafios e pesquisando o conceito de algumas coisas nos meus antigos materiais de estatística. Eu sei que a estrutura dele não está como o que foi proposto inicialmente ou o que eu havia imaginado, ou seja, desenvolver um ótimo modelo de predição, com mapa que apresenta a geolocalização dos imóveis e tudo no mesmo arquivo, mas isso foi o que consegui concluir.
Fiquei na dúvida se ainda valia a pena postar sobre isso, tanto tempo depois da imersão ter acontecido. O que me ajudou a decidir foram as palestras que venho assistindo e eventos que participei recentemente, pois um dos conselhos que mais ouvi foi: Deixe o medo de lado e compartilhe o que você sabe fazer.
Acho que será interessante rever este projeto daqui algum tempo, ser capaz de identificar pontos que posso melhorar e, quem sabe, completar os desafios da aula 5. Agradeço às empresas que organizaram a imersão, pois eu pude ter noção do quanto aprendi e melhorei, quando comparo com a Fabiana de um ano atrás, um agradecimento também aos três instrutores da imersão, que souberam conduzir as aulas de maneira sensata, dosar o nível de dificuldade e se atentaram ao zoom da tela (o que ajudou muito).