https://github.com/nathaliasch/MVP_Pos_DataScience/blob/master/MVP_MachineLearning.ipynb
O notebook MVP_MachineLearning usa um conjunto de dados obtido do repositório UCI (https://archive.ics.uci.edu/dataset/2/adult), sem valores ausentes e composto de 14 atributos e uma variável target:
age : idade dos indivíduos em anos workclass : classe de trabalho categorizado em 9 categorias final-weight : variável contínua education : nível de educação categorizado em 16 categorias education-num : número de anos estudados marital-status : estado-civil categorizado em 7 categorias occupation : ocupação categorizado em 15 categorias relationship : relacionamento categorizado em 6 categorias race : raça categorizado em 5 categorias sex : sexo categorizado em 2 categorias capital-gain : ganho de capital capital-loos : perda de capital hour-per-week : horas trabalhadas por semana native-country : país categorizada em 42 categorias income : renda (target)
https://github.com/nathaliasch/MVP_Pos_DataScience/blob/master/MVP_DeepLearning.ipynb
O notebook MVP_DeepLearning trata de um problema de visão computacional cujo objetivo é classificar as imagens de pinguins e tartarugas. O conjunto de dados utilizado foi obtido do repositório Kaggle (https://www.kaggle.com/datasets/abbymorgan/penguins-vs-turtles).
Para esse problema foi usado uma rede neural convolucional (CNN) e a biblioteca Keras.