Previsão de Sobrevivência no Titanic

Este projeto utiliza técnicas de machine learning para prever a sobrevivência de passageiros no Titanic com base em informações demográficas e socioeconômicas. O conjunto de dados utilizado é parte do famoso desafio do Kaggle: Titanic - Machine Learning from Disaster. O projeto inclui desde análise exploratória dos dados até o treinamento e avaliação de modelos de classificação.

---

Estrutura do Projeto

A estrutura do projeto está organizada da seguinte maneira:

• MVP_PUC_Daniel_Szyfman.ipynb: Contém o notebook principal com todo o fluxo do projeto, incluindo análise exploratória, processamento, modelagem e avaliação.
• requirements.txt: Lista todas as dependências necessárias para executar o projeto.

---

Como Executar

1. Clone o repositório

git clone https://github.com/Szyfman/MVP_PUC_ML_1.git
cd MVP_PUC_ML_1

2. Crie um ambiente virtual Python e ative-o

python -m venv venv
source venv/bin/activate  # No Windows use `venv\Scripts\activate`

3. Instale as dependências

pip install -r requirements.txt

4. Abra o notebook no Google Colab ou localmente

• No Google Colab: Faça o upload do notebook MVP_PUC_Daniel_Szyfman.ipynb para o ambiente do Colab e execute as células conforme necessário.
• Localmente: Abra o arquivo com o Jupyter Notebook ou JupyterLab:

  jupyter notebook MVP_PUC_Daniel_Szyfman.ipynb

---

Resultados do Projeto

O modelo Gradient Boosting foi o melhor classificador, com uma acurácia de 81% no conjunto de teste. Outras métricas como precision, recall e f1-score mostraram um bom equilíbrio entre classes, e a análise da curva ROC resultou em uma AUC de 0.89, indicando boa capacidade discriminativa.

---

Aprendizados e Próximos Passos

• Aprendizados: O projeto reforçou a importância de um pré-processamento adequado e da seleção criteriosa de variáveis para alcançar bons resultados em problemas de classificação.
• Próximos Passos:
  1. Implementar um ensemble de modelos para melhorar a robustez das previsões.
  2. Aplicar metodologias similares a outros problemas de classificação binária.

---