Olá Cientistas!
Neste repositório você vai encontrar todas as informações necessárias para o desenvolvimento do projeto final da Imersão Dados.
O nosso objetivo é que você construa um projeto de Data Science com análise exploratória e desenvolva um modelo de machine learning para auxiliar na descoberta de novos medicamentos, aplicando todo o conhecimento que você irá adquirir na imersão e criando um projeto incrível no github, deixando-o com a sua cara.
Se você não sabe por onde iniciar, não se preocupe! Use este documento como um guia para a construção da sua pesquisa e mergulhe fundo!
Sabemos que esse pode ser o seu primeiro projeto de Data Science. Queremos que você tenha um portfólio com um projeto mais aplicável e mais próximo do cotidiano de cientistas de dados. E, para isso, temos alguns lembretes para que você reflita quando for trabalhar. Então, mão na massa!
É importante que você olhe para o seu projeto como um todo. Desde a concepção ao entendimento do negócio, a análise de dados e ao levantamento de hipóteses. Ou seja, ao chegar na solução aplicando machine learning, se atente para que seu projeto tenha começo, meio e fim. Lembrando que ter um fim não quer dizer que os resultados precisam ser perfeitos. O nosso problema é complexo e se seus resultados não forem os melhores do mundo, não há problemas. Dentro das limitações de tempo e de conceitos aprendidos na imersão, o mais relevante é ter entendido os processos relacionados ao desenvolvimento de uma solução de Data Science, desde a análise até o desenvolvimento dos modelos de Machine Learning.
Os critérios que utilizaremos para analisar os projetos foram divididos em duas etapas de observação, sendo elas:
Delimitar qual será o escopo do seu projeto e colocá-lo em prática pode ser bastante desafiador, pois é um equilíbrio entre a sua criatividade e o tempo disponível.
Você pode se perguntar: Exploram pouco as possibilidades e tenho um estudo raso, ou explorar muitas possibilidades e não consigo fechar dentro do tempo?
Na dúvida, pondere e priorize o que está dentro do escopo do projeto, essa é uma tarefa fundamental.
É necessário que seu estudo seja bem organizado e estruturado, apresentando uma sequência lógica da análise.
O projeto precisa expressar e justificar qual a linha de raciocínio foi criada e seguida durante o processo de elaboração.
Parte da entrega de um estudo é mostrar para a comunidade qual o valor do seu projeto, dessa forma, contextualizar e aproximar o(a) interlocutor(a) é vital.
É imprescindível que você pense que seu(sua) interlocutor(a), muitas vezes, não sabe do que o estudo trata e/ou não tem familiaridade com tecnologia e programação. Por isso, o notebook precisa ser explicativo de forma que a informação seja acessível para seu público alvo.
As conclusões parciais e a conclusão final são ótimos momentos para que a informação que você extraiu dos dados seja facilmente entregue ao(à) leitor(a). Ademais, você pode adicionar na conclusão as limitações do seu projeto, bem como as ideias para projetos futuros.
Do ponto de vista do estudo, é importante que outras fontes de informações sejam utilizadas para colaborar na construção da argumentação do projeto. E, do ponto de vista técnico, isso mostra adaptabilidade e antecipação, pois o cruzamento de informações é um passo muito fundamental no seu amadurecimento enquanto Data Scientist.
Porém, é preciso tomar bastante cuidado ao fazer essa junção: será avaliado o valor agregado à pesquisa, não somente as informações extras.
Um exemplo: você pode pesquisar na literatura científica artigos que falam sobre drug discovery, com informações que você julgue relevantes, e utilizar esses dados e informações na sua argumentação e no desenvolvimento do seu storytelling.
Os critérios práticos são bastante objetivos e nítidos, cientista. Use esses critérios como lembretes sobre o conteúdo que deve produzir.
- Os dados estão dentro do escopo? (É obrigatório o uso da base de dados usado na imersão de dados, que são inspirados no desafio proposto no Kaggle).
- Quando necessário, as variáveis foram tratadas?
- Se houve criação de variáveis, as mesmas foram descritas?
- Ficou claro qual foi o modelo final escolhido e o que motivou a escolha?
- O notebook tem uma narrativa convincente e coerente?
- O projeto contém meios para visualizar dados (gráficos ou tabelas) que ajudam na argumentação dos pontos principais do cientista?
- A bibliografia e fontes de dados alternativas foram citadas?
- O projeto é inédito e houve cuidado para evitar plágio?
Para começar seu projeto, você deve criar um Fork do repositório pois dentro dele, contém toda a estrutura de pastas recomendada e também um arquivo README.md, no qual você deve reescrever, adicionando uma apresentação do seu projeto.
Primeiro, clicamos na opção Fork que fica no canto superior direito.
Agora está tudo pronto, você terá uma cópia do repositório para iniciar o seu projeto. Conforme a imagem, abaixo, no canto superior esquerdo aparecerá o seu nome seguido do nome do repositório do projeto.
Nós já propomos uma estrutura de diretórios, com duas pastas separando os dados das análises:
- Pasta Dados: Onde ficarão os arquivos dos dados usados no projeto.
- Pasta Notebooks: Onde ficarão os notebooks com suas análises.
Na imagem abaixo, temos um highligth da pastas Dados e Notebook. Essa estrutura é uma sugestão você pode ficar a vontade em reorganizar conforme considerar o ideal para seu projeto.
Ao realizar o fork deste repositório, o arquivo README.md é uma cópia deste arquivo que você está lendo agora. Para deixar o seu projeto com cara de portfólio você precisa modificar o arquivo README.md adicionando a motivação e detalhamento do seu projeto. Aqui vai algumas dicas para você editar o README.md no repositório que foi criado em sua conta do github.
-
Primeiro, vamos clicar na opção "editar esse arquivo" que fica no canto superior direito.
-
Depois podemos escrever o conteudo do readme na caixa Edit file
-
Quando terminarmos as alterações vamos para o final na página e procuramos pelo campo Commit changes onde podemos descrever nossas alterações e depois clicar na opção Commit changes.
-
Finalmente teremos um novo README agora com as nossas alterações
Como escrever um bom README:
- Insira uma imagem;
- Coloque o nome do projeto;
- Descreva o projeto;
- Apresente o objetivo do projeto;
- Evidencie as particularidades do projeto;
- Explique sobre a estrutura dos dados;
- Exiba os links utilizados para a conclusão do projeto
Links úteis:
Materiais sobre biologia para você embasar seu projeto:
Materiais para auxiliar o desenvolvimento do README:
Alguns projetos incrível dos nosso alunos para você se inspirar:
Serão 10 bolsas de estudos integrais para o Bootcamp de Data Science Aplicada Alura , que começa dia 18 de maio de 2021. O prêmio não poderá ser dividido ou revertido em dinheiro.
A premiação é exclusiva para participantes inscritos na #ImersãoDados 3° Edição. Participantes do Bootcamp de DataScience aplicada (Primeira edição) e premiados com bolsas nas imersões dados anteriores, não serão elegíveis a premiação. Mas estão convidados a enviar seus projetos para serem analisados.
A submissão final deve ser feita até o dia 09/05/2021 (Domingo) 23h59 horário de Brasília.
Você deve submeter o link do seu repositório neste Google Forms. O repositório de submissão precisa estar público para que seja possível analisar seu projeto.
- É necessário informar o mesmo e-mail que foi utilizado no cadastrado da #imersãoDados.
- O resultado será divulgado dia 10/05/2021 na Live de encerramento da #imersãoDados.
- O repositório deve conter os topics #alura e #imersaoDados.
- Não altere o repositório, após o horário de encerramento do desafio.
- Qualquer alteração após esse horário será desconsiderada na avaliação.
- Seja gentil :). Não somos especializados em competições e estamos fazendo esse desafio para te motivar e incentivar a comunidade de Data Science, espero que goste e se divirta.
Mergulhe fundo, é apenas o primeiro passo!