📦 Trabalho Prático do Módulo 1 (Introdução à Ciência de Dados) - Bootcamp 1 (Analista em Ciência de Dados). 📦 Concluído ✔️
• Sobre • Demonstração • Tecnologias • Autora •
Uma empresa de comércio eletrônico está enfrentando problemas com a entrega de seus produtos para diferentes regiões do Brasil. A empresa deseja desenvolver um modelo de regressão linear que possa prever a quantidade de dias para entrega de acordo com o valor do frete, levando em consideração as particularidades de cada região.
Com base nos dados disponíveis, a equipe de ciência de dados da empresa precisa desenvolver um modelo que possa ser utilizado para estimar a quantidade de dias de entrega de um produto, com base no valor do frete e na região de destino. O objetivo é reduzir o tempo de entrega e melhorar a satisfação dos clientes.
O modelo de regressão linear deve levar em consideração as diferenças de influência de cada região no valor do frete e na quantidade de dias de entrega. Além disso, o modelo deve ser capaz de prever com precisão a quantidade de dias de entrega para diferentes valores de frete em cada região, permitindo que a empresa tome decisões mais precisas e assertivas sobre o gerenciamento da logística de seus produtos.
Para esta atividade, os alunos deverão criar um algoritmo de regressão linear para prever a quantidade de dias para entrega de itens baseado no valor do frete cobrado.
- Criar um projeto no Google Colab.
- Coletar e inserir o arquivo frete_dias_entrega.csv na plataforma.
- Filtrar o dataset para a região sudeste.
- Analisar os dados coletados.
- Avaliar a relação entre as variáveis.
- Criar algoritmo de regressão linear.
- Responder às questões teóricas e práticas do trabalho.
As seguintes ferramentas foram usadas na construção do projeto:
Website (Colab)
- Pandas
- Plotly
- Numpy
- Sklearn
