Mineração de Dados e Aprendizagem de Máquina

Este repositório contém os recursos, códigos e materiais utilizados na disciplina de Mineração de Dados e Aprendizagem de Máquina. O objetivo é fornecer ferramentas práticas para análise de dados, desenvolvimento de modelos de machine learning e implantação de soluções.

---

📌 Sumário

1. Sobre o Projeto
2. Professor Responsável
3. Recursos Disponíveis
4. Como Usar Este Repositório
5. Referências e Materiais Complementares
6. Licença

---

🚀 Sobre o Projeto

Este repositório foi criado para apoiar a disciplina de Mineração de Dados e Aprendizagem de Máquina. Aqui, você encontrará:

• Códigos-fonte em Python para análise de dados, modelagem e implantação de sistemas de ML.
• Datasets utilizados nas atividades práticas.
• Slides e materiais de aula.
• Tutoriais e exemplos de uso de bibliotecas como Pandas, Scikit-learn, Matplotlib, Seaborn, Plotly, Flask e Streamlit.

O foco é fornecer uma base prática para que os alunos possam aplicar técnicas de machine learning em problemas reais.

---

👨‍🏫 Professor Responsável

Nome do Professor: Marlon Marcon
Email: marlonmarcon@utfpr.edu.br Instituição: UTFPR

---

📂 Recursos Disponíveis

Códigos

• EDA (Análise Exploratória de Dados):
  • Exemplo de análise do dataset crop_recommendation.csv.
  • Visualização de dados com Matplotlib e Seaborn.
• Modelos de Machine Learning:
  • Implementação de algoritmos como Regressão Linear, Random Forest e SVM.
  • Exemplo de uso de Redes Neurais para classificação de cultivos.
• Implantação de Modelos:
  • API para servir modelos de ML usando Flask.

Datasets

• crop_recommendation.csv: Dados de solo e clima para recomendação de cultivos.
• agricultural_soil_data.csv: Dados de solo para análise de fertilidade.
• weather_data.csv: Dados climáticos para previsão de safras.

Materiais de Aula

• códigos fonte

---

🛠 Como Usar Este Repositório

Pré-requisitos

• Python 3.8 ou superior.
• Bibliotecas Python: NumPy, Pandas, Matplotlib, Seaborn, Scikit-learn, TensorFlow, Flask.

Instalação

1. Clone o repositório:

   git clone https://github.com/marlonutfpr/datamining-ml.git
   

---

📚 Referências e Materiais Complementares

Livros

• "Python for Data Analysis" de Wes McKinney.
• "Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow" de Aurélien Géron.

Cursos Online

• Coursera: Machine Learning
• Kaggle: Python and Machine Learning

Documentação Oficial

• Pandas
• Scikit-learn
• TensorFlow
• Flask

Artigos e Tutoriais

• Towards Data Science: EDA Guide
• Analytics Vidhya: Machine Learning in Agriculture

---

📜 Licença

Este projeto está licenciado sob a licença MIT. Veja o arquivo LICENSE para mais detalhes.

MIT License

Copyright (c) 2023 Marlon Marcon

Permission is hereby granted, free of charge, to any person obtaining a copy
of this software and associated documentation files (the "Software"), to deal
in the Software without restriction, including without limitation the rights
to use, copy, modify, merge, publish, distribute, sublicense, and/or sell
copies of the Software, and to permit persons to whom the Software is
furnished to do so, subject to the following conditions:

The above copyright notice and this permission notice shall be included in all
copies or substantial portions of the Software.

THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE
AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER
LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM,
OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE
SOFTWARE.