gttz / kaggle-projects

Projetos realizados na plataforma Kaggle

Kaggle Projects

Esse repositório contém os projetos que eu realizei na plataforma Kaggle e aqui está o meu perfil

1] - Análise de Incêndios Florestais no Brasil entre 1998-2017

Notebook:

• Forest_Analysis

Dataset:

• https://www.kaggle.com/gustavomodelli/forest-fires-in-brazil

Descrição:

É realizado uma avaliação da evolução dos incêndios ao longo dos anos, bem como as regiões onde se concentraram. A Amazônia legal compreende os estados do Acre, Amapá, Pará, Amazonas, Rondônia, Roraima e parte do Mato Grosso, Tocantins e Maranhão. Este conjunto de dados reporta o número de incêndios florestais no Brasil dividido por estados. A série compreende o período de aproximadamente 10 anos (1998 a 2017).

2] - Previsão da Renda de Adultos do banco de dados do Censo de 1994

Notebook:

• census_prediction

Dataset:

• https://www.kaggle.com/uciml/adult-census-income

Descrição:

Esses dados foram extraídos do banco de dados do censo de 1994 por Ronny Kohavi e Barry Becker (Data Mining and Visualization, Silicon Graphics). Um conjunto de registros razoavelmente limpos foi extraído. A tarefa de previsão é determinar se uma pessoa ganha mais de US $ 50 mil por ano.

3] - Diagnóstico de Câncer de Mama que realiza a previsão se um tumor é maligno ou benigno.

Notebook:

• breast_cancer_RNA

Dataset:

• https://www.kaggle.com/uciml/breast-cancer-wisconsin-data

Descrição:

Os recursos são calculados a partir de uma imagem digitalizada de um aspirado por agulha fina (FNA) de uma massa mamária. Eles descrevem as características dos núcleos celulares presentes na imagem. O objetivo deste projeto é utilizar Redes Neurais Artificiais para realizar um diagnóstico de câncer de mama que prevê se um tumor é maligno ou se um tumor é benigno.

4] - Análise e Previsão de Ataques Cardíacos

Notebook:

• heart-attack-prediction

Dataset:

• https://www.kaggle.com/rashikrahmanpritom/heart-attack-analysis-prediction-dataset

Descrição:

Os dados foram coletados para treinar um modelo para distinguir entre pessoas com menos probabilidade de ter ataques cardíacos e pessoas com maior probabilidade de ter ataques cardíacos, portanto, todo o problema é uma classificação binária. O objetivo deste projeto é utilizar diferentes tipos de modelos de Machine Learning para realizar a previsão se uma pessoa tem maiores ou menores riscos de ter um ataque de coração.

5] - Classificação das plantas da íris de três tipos diferentes (Iris-Versicolor, Iris-Setosa e Iris-Virginica)

Notebook:

• iris_prediction_RNA

Dataset:

• https://www.kaggle.com/uciml/iris

Descrição:

O Dataset inclui três espécies de íris com 50 amostras cada, bem como algumas propriedades sobre cada flor. Uma espécie de flor é linearmente separável das outras duas, mas as outras duas não são linearmente separáveis uma da outra. O objetivo deste projeto é utilizar Redes Neurais Artificiais para realizar a classificação de três tipos de plantas (Iris-Versicolor, Iris-Setosa e Iris-Virginica).

6] - Classificação de imagens de Gatos e Cachorros utilizando Redes Neurais Convolucionais

Notebook:

• cats-dogs_prediction_CNN

Dataset:

• https://www.kaggle.com/chetankv/dogs-cats-images

Descrição:

Os dados foram coletados para treinar um modelo para distinguir entre as imagens que contêm cachorros e gatos, então todo o problema é de classificação binária. O objetivo deste projeto é utilizar modelos de Redes Neurais Convolucionais para realizar a classificação de imagens de gatos e cachorros.

7] - Detecção de Incêndios Florestais utilizando Redes Neurais Convolucionais

Notebook:

• Forest-Fire_Detection_CNN

Dataset:

• https://www.kaggle.com/phylake1337/fire-dataset

Descrição:

Os dados foram coletados para treinar um modelo para distinguir entre as imagens que contêm fogo (imagens de fogo) e imagens regulares (imagens que não são de fogo), então todo o problema é de classificação binária. O objetivo deste projeto é utilizar modelos de Redes Neurais Convolucionais para realizar a classificação de imagens de fogo ao ar livre (algumas delas contendo fumaça) e imagens da natureza (por exemplo: florestas, árvores, gramas, rios, lagos, animais, estradas e cachoeiras).

8] - Detecção de Olhos Femininos e Masculinos usando Redes Neurais Convolucionais

Notebook:

• detection-of-male-female-eyes

Dataset:

• https://www.kaggle.com/pavelbiz/eyes-rtte

Descrição:

Os dados foram coletados para treinar um modelo para distinguir entre as imagens que contêm imagens com olhos femininos e masculinos, então todo o problema é de classificação binária. O objetivo deste projeto é utilizar modelos de Redes Neurais Convolucionais (ConvNet, Inception, Xception & MobileNet) para realizar a classificação das imagens.

9] - Detecção de imagens contendo veículos ou não utilizando Redes Neurais Convolucionais

Notebook:

• vehicle-detection

Dataset:

• https://www.kaggle.com/brsdincer/vehicle-detection-image-set

Descrição:

Os dados foram coletados para treinar um modelo para distinguir entre imagens contendo veículos e imagens sem veículos, então todo o problema é a classificação binária. O objetivo deste projeto é utilizar modelos de Redes Neurais Convolucionais (Inception, Xception & MobileNet) para realizar a classificação das imagens.