README

Introdução

O código dos laboratórios foi adaptado do repositório https://github.com/qx0731/Sharing_ISL_python.

Baixando os dados

Em primeiro lugar, crie uma pasta no seu computador para guardar os arquivos do curso. Ao longo desse documento vamos usar, como exemplo, ~/cursos/ml2023/labs. Aqui, o til "~" quer dizer a sua pasta-base como usuário. No caso de Windows, é C:\Users\<CurrentUserName>, e, no caso de macOS e Linux, é /Users/<CurrentUserName>.

Baixe todos os dados (os arquivos que terminam em ".csv") e coloque-os na pasta ~/cursos/ml2023/labs/data

Baixe Anaconda

Vamos usar Python. Precisaremos instalar uma série de pacotes no sistema para poder rodar modelos de machine learning sem precisar escrever código do zero. Isso frequentemente leva a inconsistências no sistema, caso você já esteja usando Python em outros projetos. Por isso, é altamente recomendado que você tenha como isolar o ambiente onde vamos instalar esses pacotes dos outros ambientes de Python que você já tem no seu computador (em algum sentido, isso é como criar um novo usuário no computador).

Nesse curso vamos usar Anaconda para criar um ambiente de Python separado. Se você não tiver Anaconda, instale-o seguindo as instruções aqui: https://docs.anaconda.com/anaconda/install/index.html.

Criando e usando novos ambientes no Anaconda

Depois de instalar Anaconda, vamos criar um novo ambiente para o curso. No seu terminal, rode

conda create --name ml2023 python=3.10

Para ativar o nosso ambiente, precisaremos rodar, no terminal,

conda activate ml2023

Para desativar, e voltar ao seu ambiente usual, basta rodar

conda deactivate

Instalando pacotes no Anaconda

Agora, precisamos instalar os pacotes que queremos usar nesse ambiente

conda install -c conda-forge ipykernel numpy matplotlib pandas statsmodels scikit-learn scipy seaborn notebook lifelines

Se depois precisarmos instalar mais pacotes, e.g., keras e tensorflow, basta rodar

conda install -c conda-forge keras tensorflow

Rodando Jupyter

Agora, podemos abrir o Jupyter, que é o ambiente onde rodaremos o nosso código por permitir que vejamos imediatamente o resultado do nosso código. Para isso, usando o terminal, primeiro navegue para a pasta labs:

cd ~/cursos/ml2023/labs

Acima, "cd" significa "change directory", e troca a pasta para a indicada (como se nós usássemos o Windows Explorer ou Finder para entrar na pasta). Depois, rode o Jupyter:

jupyter notebook

Uma página deve abrir no seu navegador com o ambiente Jupyter.