PUC-Tech Challenge Projects

📝 Descrição Geral

Este repositório agrega os projetos desenvolvidos como parte do desafio PUC-Tech. Inclui análises de dados, aplicações de console e projetos de Machine Learning, cada um demonstrando diferentes habilidades e tecnologias.

---

📂 Projetos Incluídos

1. Análise de Preferências de Estudantes

• Descrição: Um Jupyter Notebook que realiza a carga, limpeza, preparação, análise exploratória e visualização de dados de um conjunto de dados sobre preferências de estudantes (provavelmente student_preferences_extended.csv).
• Principais Etapas:
  • Carregamento e inspeção inicial dos dados.
  • Limpeza e tratamento de valores ausentes e tipos de dados.
  • Geração de insights visuais sobre:
    • Linguagens de programação preferidas.
    • Horários de estudo.
    • Formatos de conteúdo.
    • Satisfação com o curso, áreas de interesse, e mais.
• Tecnologias: Python, Pandas, Matplotlib, Seaborn.

2. Sistema de Gerenciamento de Estoque de Farmácia

• Descrição: Uma aplicação de console em Python, apresentada e executável através de um Jupyter Notebook, para gerenciar o estoque de uma farmácia.
• Principais Funcionalidades:
  • Adicionar, listar, atualizar e deletar medicamentos (operações CRUD).
  • Processar pedidos, incluindo verificação de receita e aplicação de descontos.
  • Monitorar estoque com avisos de nível crítico.
  • Interface de usuário via console com feedback colorido para melhor usabilidade.
  • IDs únicos para medicamentos e tratamento robusto de erros de entrada.
• Tecnologias: Python (utilizando classes e funcionalidades padrão).

3. Mini Detector de Fraudes em Transações

• Descrição: Um projeto de Machine Learning focado na detecção de fraudes em transações de cartão de crédito. Este projeto implementa um pipeline completo que abrange desde o carregamento e pré-processamento de dados (incluindo engenharia de features e tratamento de desbalanceamento com SMOTE), até o treinamento de um modelo RandomForestClassifier, avaliação de sua performance (alcançando F1-score de 0.87 nos melhores experimentos) e um sistema de gerenciamento de experimentos.
• Destaques:
  • Pipeline de Machine Learning de ponta a ponta.
  • Interface de Texto (TUI) (ui.py) para configuração e execução de experimentos, com resultados salvos em fraud_detection_results.json.
  • Módulos dedicados para entrada de dados (src/data_input.py) e execução do pipeline principal (detector.py).
• Tecnologias: Python, Pandas, NumPy, Scikit-learn, Imbalanced-learn.
• VER ARQUIVO CSV NECESSÁRIO

---

🚀 Como Começar (Geral)

1. Clone o repositório:

   git clone [https://github.com/raulkolaric/puc-tech-challenge.git](https://github.com/raulkolaric/puc-tech-challenge.git)
   cd puc-tech-challenge

2. Navegue até a pasta do projeto desejado ou abra diretamente os arquivos .ipynb no seu ambiente Jupyter preferido.
3. Siga as instruções específicas de cada projeto listadas acima para executar e interagir com as aplicações/análises.

---

🛠️ Requisitos Gerais

• Python 3.7+
• Ambiente Jupyter (Google Colab, Jupyter Notebook, Jupyter Lab, VS Code com extensões Python/Jupyter)
• Bibliotecas Python específicas mencionadas em cada projeto (consulte os requirements.txt dentro das pastas dos projetos, se disponíveis, ou as seções de tecnologia acima).

---