A doença cardiovascular afeta o coração e os vasos sanguíneos. O diagnóstico é geralmente feito por meio de exames como eletrocardiograma, ecocardiograma e análise de lipídios no sangue, os quais podem variar em custo, sendo alguns acessíveis e outros mais caros. Além disso, podem ser considerados trabalhosos para os pacientes. Visando melhorar a qualidade de vida dos envolvidose detectar a doença no seu estagio inicial, nosso projeto tem como objetivo entregarmos um modelo preditivo para doenças cardiovasculares baseadas em uma entrada de dados que costumam apontar a existência dessas doenças. Nosso projeto tem como objetivo entregarmos uma predisposição de doenças cardiovasculares baseadas em uma entrada de dados que costumam apontar a existência dessas doenças. Utilizaremos o conjunto de dados Heart Disease para o desenvolvimento do projeto.
- Bruno Matsuyama Pereira Takazono
- João Guilherme Pinto Souza do Nascimento
- Lucas Maurício Braga
- Sarah Andrade Reis
- Pedro Vitor Lima Cavalcante
Nota: todo o texto abaixo é somente para entendimento do usuário do template. Por favor remova-o quando for atualizar este
README.md
.
Esse template foi inicialmente baseado no template de ciência de dados do cookiecutter, mas ao longo do tempo várias modificações foram sendo realizadas. Atualmente o template tem as seguintes características:
- Utilização do arquivo
pyproject.toml
como centralizador de dependências; - Configuração para criação de aplicação
streamlit
; - Utilização de jupyter notebooks para arquivos de análise;
- Documentação com o mkdocs (material design theme)
Para utilizar este template, você precisará de um ambiente com os seguintes softwares:
- git
- Python 3.8
- Poetry
1.1.13
ou superior
É aconselhável o uso do pyenv
para o gerenciamento de versões do Python.
Para iniciar um novo projeto você precisa ter instalado na sua máquina as aplicações citadas na seção anterior, depois disso basta:
- clicar no botão Use this template (ou "Usar este modelo").
- Digitar um nome para seu repositório e uma descrição opcional.
- Escolher a visibilidade do projeto (Publica ou privada).
- Clicar em Create repository from template (Criar repositório a partir do modelo).
Pronto, acaba de criar um repositório a partir deste modelo. Para mais informações sobre o uso de templates, acesse a documentação oficial.
Depois de criar o repositório, para começar a modificá-lo e/ou contribuir com repositórios já criados, você precisa cloná-lo. Para isso, siga os seguintes passos:
- Acima da lista de arquivos, clique no botão Code (em verde).
- Copie a URL para o repositório.
- Tente clonar utilizando uma chave SSH. Para isso, clique na aba SSH e em seguida clique no ícone de cópia.
- Abra o terminal.
- Altere o diretório de trabalho atual para o local que deseja ter o diretório clonado.
- Digite
git clone
e cole a URL que você copiou anteriormente:
git clone git@github.com:NOME-DE-USUARIO/REPOSITORIO.git
- Pressione Enter para criar seu clone local.
Proto, com isso você acaba de clonar um repositório. Para mais informações sobre a clonagem de arquivos, acesse a documentação oficial.
Com o repositório clonado, você precisa navegar até a pasta local, usando o comando :
cd REPOSITORIO
Estando na pasta do repositório, basta instalar as dependências do projeto utilizando o comando:
poetry install
Ele irá instalar todas as dependências contidas no arquivo pyproject.toml
. Depois disso basta ativar o ambiente virtual criado pelo Poetry utilizando o comando:
poetry shell
Para mais informações sobre os comandos do Poetry, visite a documentação oficial.
Para contribuir com um projeto, tente utilizar uma metodologia adequada. Utilize este artigo para obter mais informações.
.
├── data/ # Diretório contendo todos os arquivos de dados
│ ├── external/ # Arquivos de dados de fontes externas
│ ├── interim/ # Arquivos de dados intermediários
│ ├── processed/ # Arquivos de dados processados
│ └── raw/ # Arquivos de dados originais, imutáveis
├── docs/ # Documentação gerada através da biblioteca mkdocs
├── models/ # Modelos treinados e serializados, predições ou resumos de modelos
├── notebooks/ # Diretório contendo todos os notebooks utilizados nos passos
├── references/ # Dicionários de dados, manuais e todo o material exploratório
├── src/ # Código fonte utilizado nesse projeto
│ ├── data/ # Classes e funções utilizadas para download e processamento de dados
│ ├── deployment/ # Classes e funções utilizadas para implantação do modelo
│ └── model/ # Classes e funções utilizadas para modelagem
├── app.py # Arquivo com o código da aplicação do streamlit
├── Procfile # Arquivo de configuração do heroku
├── pyproject.toml # Arquivo de dependências para reprodução do projeto
├── poetry.lock # Arquivo com sub-dependências do projeto principal
├── README.md # Informações gerais do projeto
└── tasks.py # Arquivo com funções para criação de tarefas utilizadas pelo invoke