Pinned Repositories
Analise_Fundo_Investimentos
Análise de carteira de ações de Fundos de Investimentos com python com indicativo de performance.
Automacao_Start_Jupyter_Notebook
# Automação Start Jupyter Notebook Propósito: É um atalho para o processo de inicialização do Jupyter Notebook no Windows. Obs: Antes de iniciar o script, é necessário configurar o caminho do arquivo na sua máquina. Após baixar o projeto, acesse o aquivo "clique Aqui.bat" e configure o diretório. Acesse um outro arquivo na subpasta <...automacao\Scripts\activate_jn> e atualize o diretório em 2 lugares. a. set VIRTUAL_ENV=C:\Automacao_Start_Jupyter_Notebook\automacao\Scripts b. cd "C:\Automacao_Start_Jupyter_Notebook\automacao"
Bootcamp-Ciencia-de-dados
Bootcamp Online - Ciência de dados IGTI - Instituto de Gestão e Tecnologia da Informação 1º Trabalho Prático: Trabalhou com a ferramenta do Power BI na manipulação de um dataset. 1º Desafio - Responder um questionário relacionado a teoria de: Big Data, Machine Learning, algoritmo K-Means. e questões de manipulação de um novo dataset no google colab. _____________ Conteúdos trabalhados no módulo: - Big data, Machine learning e Data mining - Data analytics, Data science e Business intelligence - K-Means na prática - Ciclo, coleta, preparação e visualização - ETL, Data Warehouse e Data Lake - Tipos de análises - Streaming e Visualização de dados - Prática com Power BI. _____________ Introdução ao Trabalho Prático do Módulo 1 Em anexo, junto com as resultados. _____________ Feedback do Módulo 1: Esse primeiro modulo foi bem interessante e o desafio foi bem fácil, com base no material disponibilizado de apoio.
Bot_Atendimento_no_WhatsApp
Desenvolvimento de bot WhatsApp de tele atendimento para uma igreja, com sua própria API para automatização de tarefas, que também podem ser adaptada para outros atendimento virtuais como: delivery, marketing digital tudo de forma autônoma.
Cadastro-Login-com-MySQL
Chatbot-Floricultura
Modelo de chatbot Watson Conversation-IBM de atendimento para cooperativa de floricultura com integração com um serviço. Especificação: Modelo Chatbot informa o preço da flor selecionada, a quantidade, o local de entrega e a data de entrega, sendo essas informações informadas ao final.
Chatbot-Pizzaria
Modelo de chatbot Watson Conversation-IBM de atendimento de uma pizzaria com ativação do IBM Cloud Functions. Especificação: Modelo Chatbot que informa o preço da pizza selecionada, a quantidade de pizzas desejadas, o local de entrega e a data de entrega, sendo essas informações informadas ao final.
Checkin-Aerio
Concatenacao_Multiplas_Planilhas
Concatenacao Multiplas Planilhas Desenvolvimento de uma automação de junção de múltiplas planilhas do excel. Esse script foi desenvolvido no google colab.
TCC--Biu
Aplicação mobile integrada a uma chatbot nos acervos universitário, baseado em inteligência artificial, com técnicas de aprendizado profundo com redes neurais.
JessicaPaulaCosta's Repositories
JessicaPaulaCosta/Bot_Atendimento_no_WhatsApp
Desenvolvimento de bot WhatsApp de tele atendimento para uma igreja, com sua própria API para automatização de tarefas, que também podem ser adaptada para outros atendimento virtuais como: delivery, marketing digital tudo de forma autônoma.
JessicaPaulaCosta/Chatbot-Floricultura
Modelo de chatbot Watson Conversation-IBM de atendimento para cooperativa de floricultura com integração com um serviço. Especificação: Modelo Chatbot informa o preço da flor selecionada, a quantidade, o local de entrega e a data de entrega, sendo essas informações informadas ao final.
JessicaPaulaCosta/Chatbot-Pizzaria
Modelo de chatbot Watson Conversation-IBM de atendimento de uma pizzaria com ativação do IBM Cloud Functions. Especificação: Modelo Chatbot que informa o preço da pizza selecionada, a quantidade de pizzas desejadas, o local de entrega e a data de entrega, sendo essas informações informadas ao final.
JessicaPaulaCosta/Criptografia_dados_sensiveis
Desenvolvimento de uma query em python Protósito: criptografar e descriptografar credenciais de acessos como: API, Bancos de Dados, aplicações WEb, entre outros. Processos: Criptografa a informação contida no arquivo raiz do projeto "minhaSenha.txt" e grava em um outro arquivo "encryptPWD.txt" Gera uma chave e grava em um outro arquivo "refkey.txt" Agora é possível excluir o arquivo "minhaSenha.txt" com a senha e trabalhar ou compartilhar o projeto somente com o arquivo criptografado, em uma comunicação mais segura. Descriptografia : Ler a minhaSenha criptografada e armazena em 2 variáveis (usuário e senha) Ambiente virtual com Python e Jupyter Notebook Bibliotecas: pip install cryptography Automação: O projeto tem uma pequena automação para startar o jupyter notebook. Basta clicar no arquivo "Clique aqui" que o programa inicializa. Saiba mais em: https://github.com/jessicadatasource/Automacao_Start_Jupyter_Notebook
JessicaPaulaCosta/Analise_Fundo_Investimentos
Análise de carteira de ações de Fundos de Investimentos com python com indicativo de performance.
JessicaPaulaCosta/Automacao_Start_Jupyter_Notebook
# Automação Start Jupyter Notebook Propósito: É um atalho para o processo de inicialização do Jupyter Notebook no Windows. Obs: Antes de iniciar o script, é necessário configurar o caminho do arquivo na sua máquina. Após baixar o projeto, acesse o aquivo "clique Aqui.bat" e configure o diretório. Acesse um outro arquivo na subpasta <...automacao\Scripts\activate_jn> e atualize o diretório em 2 lugares. a. set VIRTUAL_ENV=C:\Automacao_Start_Jupyter_Notebook\automacao\Scripts b. cd "C:\Automacao_Start_Jupyter_Notebook\automacao"
JessicaPaulaCosta/Bootcamp-Ciencia-de-dados
Bootcamp Online - Ciência de dados IGTI - Instituto de Gestão e Tecnologia da Informação 1º Trabalho Prático: Trabalhou com a ferramenta do Power BI na manipulação de um dataset. 1º Desafio - Responder um questionário relacionado a teoria de: Big Data, Machine Learning, algoritmo K-Means. e questões de manipulação de um novo dataset no google colab. _____________ Conteúdos trabalhados no módulo: - Big data, Machine learning e Data mining - Data analytics, Data science e Business intelligence - K-Means na prática - Ciclo, coleta, preparação e visualização - ETL, Data Warehouse e Data Lake - Tipos de análises - Streaming e Visualização de dados - Prática com Power BI. _____________ Introdução ao Trabalho Prático do Módulo 1 Em anexo, junto com as resultados. _____________ Feedback do Módulo 1: Esse primeiro modulo foi bem interessante e o desafio foi bem fácil, com base no material disponibilizado de apoio.
JessicaPaulaCosta/Cadastro-Login-com-MySQL
JessicaPaulaCosta/Checkin-Aerio
JessicaPaulaCosta/Concatenacao_Multiplas_Planilhas
Concatenacao Multiplas Planilhas Desenvolvimento de uma automação de junção de múltiplas planilhas do excel. Esse script foi desenvolvido no google colab.
JessicaPaulaCosta/Hands-on
Hands-on da disciplina Inteligência Artificial / Bacharelado em Ciência da Computação- UNIBH
JessicaPaulaCosta/Iniciacao-Cientifica-e-Tecnologica
Projeto Health Lab 4.0 Análise Preditiva na Área da Saúde com Machine Learning Orientador: José Humberto Cruvinel (UNIBH) _____________ Objetivo: Criar um modelo de previsão de internação a partir das variáveis preditoras com Machine Learning. O dataset foi disponibilizado com mais de 60 variáveis diferente sobre a situação do paciente e no final tínhamos a indicação se ele foi internado ou não. Ou seja, o projeto foi criado em um modelo binário (dois tipos), internado ou não. _____________ Pré-Processamento Redução de dimensionalidade; Transformação de dados; Preenchimento de valores nulos/faltantes; Limpeza dos dados/Remoção de Outliers (dados que fogem da margem aceitável). _____________ Modelos de Machine Learning utilizados: Naive Bayes, Árvore de Decisão (Decision Tree), Random Forrest, SVM (Suport Vector Machine) Regressão Logística, Rede Neural. _____________ Resultados: Alcançamos acurácias relativamente altas, mas não consideramos esse métrica. Pois o dataset tinha muitos dados não internação e poucos dados com a internação. Ou seja o conjunto de dados estava muito desbalanceado prejudicando o modelo. Sendo assim criamos uma nova métrica com base apenas nas pessoas que deveriam ser internadas. Métricas utilizadas: Matriz de Confusão/F1/Accuracy. _____________ Conclusão: O dataset foi insuficiente para criar um modelo adequado, muito pela quantidade dos dados, o seu balanceamento não tinha tantos modelos de internação, valores nulos, outliers entre outros. _____________ Trabalhos futuros: Trabalhar no campo textual (não estruturado) com técnicas de PLN – Processamento de Linguagem Natural.
JessicaPaulaCosta/Maquina_de_Busca
JessicaPaulaCosta/TCC--Biu
Aplicação mobile integrada a uma chatbot nos acervos universitário, baseado em inteligência artificial, com técnicas de aprendizado profundo com redes neurais.
JessicaPaulaCosta/Template_Dashboard
.
JessicaPaulaCosta/Anti-Coronavirus
Desafio prático de produzir uma ferramenta de orientação sobre O COVID-19, explorando habilidades técnicas, mas também é um desafio para a contribuição do bem estar social.
JessicaPaulaCosta/CalendarioAnbima
Extração de datas de feriado bancários nacionais no portal Anbima com python e a biblioteca Beautifulsoup.
JessicaPaulaCosta/jessicapaulacosta
JessicaPaulaCosta/JessicaPaulaCosta.github.io
Portfólio web.
JessicaPaulaCosta/Jogo-da-Velha
JessicaPaulaCosta/Programando_Sonho_Delas
JessicaPaulaCosta/Projeto_Syngenta_Brasil
Automação de processos.
JessicaPaulaCosta/Relatorio_Paginado
Relatório Páginado com Report Builder