Projeto de Análise de Dados do Hospital Sírio Libanês
E aí, carinha que mora logo ali? Passa uma estrela!
Prever quais pacientes precisarão ser admitidos na UTI e assim, definir qual a necessidade de leitos de UTI do hospital, a partir dos dados clínicos individuais disponíveis.
Deixar todo o projeto em apenas um notebook ficaria com um tamanho grande e cansativo a leitura do projeto, portanto foi dividido em 3, sendo eles:
- Pandas
- Numpy
- Matplotlib
- Seaborn
- Sckitlearn
- Google.colab
Mesmo conseguindo 79% de F1-score, ainda não é o suficiente pensando na saúde, mas como podemos ver que esse é um bom caminho, mas na atual situação do modelo, ainda precisaria de um profissional para realizar um melhor julgamento dos pacientes.
Mas não acaba por aqui! Ainda tem muitas coisas para fazer nesse projeto, como:
- Balancear as colunas;
- Testar novos modelos;
- Realizar mais tratamento dos dados;
- Normalizar os dados;
- Padronizar os dados;
- Prever outras variáveis;
Qualquer feedback, elogio ou sugestão de melhoria eu ficaria muito grato!
Dados limpos: Notebook
Fonte dos Dados: Kaggle
Esse é o projeto final do Bootcamp de Data Science Aplicada da Alura, algo muito importante para minha carreira e aspirações!
Aproveito para agradecer todos os instrutores do bootcamp e todos os que participaram diretamente ou indiretamente para que esse curso seja realizado.
Gostaria de deixar meu agradecimento para minhas novas amigas que me ajudaram durante todo o caminho: Carolina Dias e Valquíria Alencar
Por fim agradeço a toda equipe do Alura por terem acreditado no meu potencial e terem me dado uma bolsa 100% para realizar esse Bootcamp maravilhoso.