@autor: [DENILSON DA SILVA ALVES, TIAGO DE LIMA BATISTA, DANIEL NUNES DUARTE] @data última versão: [02/02/2025] @versão: 1.0 @Agradecimentos: Universidade Federal do Maranhão (UFMA), Professor Doutor Thales Levi Azevedo Valente, e colegas de curso. Copyright/License Este material é resultado de um trabalho acadêmico para a disciplina "MINERAÇÃO DE DADOS E APLICAÇÕES NA ENGENHARIA", sob a orientação do professor Dr. THALES LEVI AZEVEDO VALENTE, semestre letivo 2024.2, curso Engenharia da Computação, na Universidade Federal do Maranhão (UFMA). Todo o material sob esta licença é software livre: pode ser usado para fins acadêmicos e comerciais sem nenhum custo. Não há papelada, nem royalties, nem restrições de "copyleft" do tipo GNU. Ele é licenciado sob os termos da Licença MIT, conforme descrito abaixo, e, portanto, é compatível com a GPL e também se qualifica como software de código aberto. É de domínio público. Os detalhes legais estão abaixo. O espírito desta licença é que você é livre para usar este material para qualquer finalidade, sem nenhum custo. O único requisito é que, se você usá-los, nos dê crédito.
O dataset utilizado neste projeto foi criado a partir de uma instituição de ensino superior e combina informações de diferentes bases de dados relacionadas a estudantes matriculados em cursos de graduação, como agronomia, design, educação, enfermagem, jornalismo, gestão, serviço social e tecnologias. As informações incluem:
- Dados demográficos e socioeconômicos dos estudantes;
- Histórico acadêmico no momento da matrícula;
- Desempenho acadêmico ao final do primeiro e segundo semestres.
O dataset é utilizado para construir modelos de classificação que preveem desistência e sucesso acadêmico. O problema foi formulado como uma tarefa de classificação em três categorias: desistente (dropout), matriculado (enrolled) e formado (graduate) ao final da duração normal do curso.
M.V. Martins, D. Tolledo, J. Machado, L. M.T. Baptista, V. Realinho. (2021) "Early prediction of student's performance in higher education: a case study" Trends and Applications in Information Systems and Technologies, vol. 1, in Advances in Intelligent Systems and Computing series. Springer. DOI: 10.1007/978-3-030-72657-7_16
-
Tratamento dos Dados:
- Identificar e lidar com valores ausentes;
- Normalizar e padronizar as variáveis;
- Realizar análises exploratórias.
-
Pré-Processamento:
- Seleção de características relevantes;
- Codificação de dados categóricos;
- Divisão do dataset em conjuntos de treino e teste.
-
Aplicação de Modelos:
- Modelos de classificação para prever desistência ou sucesso acadêmico;
- Avaliação de métricas como precisão, recall e F1-score.
data/: Contém o dataset original e os arquivos derivados após o tratamento.notebooks/: Scripts e notebooks utilizados para análise, pré-processamento e modelagem.models/: Modelos treinados e seus respectivos resultados.reports/: Relatórios e visualizações gerados durante o projeto.src/: Código-fonte organizado para facilitar reprodutibilidade e modularidade.
-
Clone este repositório:
git clone https://github.com/danielduartt/data-mining-project.git
-
Instale as dependências necessárias:
pip install -r requirements.txt
-
Execute os notebooks ou scripts na ordem especificada em
notebooks/README.md.
Este projeto está licenciado sob os termos da MIT License. Esta Permissão é concedida, gratuitamente, a qualquer pessoa que obtenha uma cópia deste software e dos arquivos de documentação associados (o "Software"), para lidar no Software sem restrição, incluindo sem limitação os direitos de usar, copiar, modificar, mesclar, publicar, distribuir, sublicenciar e/ou vender cópias do Software, e permitir pessoas a quem o Software é fornecido a fazê-lo, sujeito às seguintes condições:
Esperamos que este repositório seja útil como um exemplo prático de mineração de dados aplicada a problemas reais. Aproveite!