Desenvolvimento de uma solução End-to-end de um modelo de previsão de valores de alugueis de imóveis em São Paulo.
Os passos 1 a 6 podem ser vistos no notebook através do link: https://github.com/igorvgp/previsao_alugueis/blob/main/criacao_algoritmo.ipynb
Passo 1. Análise exploratória dos dados com Python no Jupyter notebook utilizando as libs:
- Pandas: Manipulação de dados
Numpy: Álgebra linear
Matplotlib e Seaborn: Construção de gráficos
Passo 2. Engenharia de features: preparação dos dados para aplicação do modelo de Machine Learning
Passo 3. Criação do modelo de Machine Learning Random Forest Regressor utilizando scikit-learn
Passo 4. Avaliação do modelo com R2, MSE e graficamente.
Passo 5. Exportação do modelo.
Passo 6. Criação da API com Flask: https://github.com/igorvgp/previsao_alugueis/blob/main/aplicacao.py
Passo 7. Criação do banco de dados com SQL e sqlite3 para armazenar os logs da API: https://github.com/igorvgp/previsao_alugueis/blob/main/criacao_banco_de_dados.ipynb Passo 8. Conexão e teste da API com Requests: https://github.com/igorvgp/previsao_alugueis/blob/main/conexao_com_API.ipynb