Durante sete dias recbi tarefas que ao fim foram partes de uma criação do zero à validação de um modelo otimizado. Os dados são do spotify e disponibilizados no kaggle. Para fazer um desafio mais interessante e que proporcionasse um crescimento maior resolvi criar o modelo inteiro em um dia, e nos outros dias comparar o que eu fiz com o que eu poderia ter feito, com as sugestões de cada dia.

Pandas 🐼| Numpy | scipy | Matplotlib | YellowBrick | Spotipy | Pickle

1. Análise de Dados: Notebook com análise descritiva dos dados, contendo limpeza e preparação dos dados como retirada de valores duplicadas e faltantes, e normalização dos dados. Análise exploratória com melhores músicas, gêneros e artistas.
2. Criação do Modelo e Comparação: Contém a criação inteira do modelo seguindo as etapas:

• Criação de critério de popularidade
• Balanceamento dos dados
• Separação em dados de treino, teste e validação
• Determinação das métricas
• Criação de Baseline
• Treinamento de 3 modelos diferentes
• Otimização de Hiperparâmetro do melhor modelo
• Validação do Modelo

Este notebook também contém a comparação do que eu poderia ter feito, que foi sugerido nas tarefas do desafio. E nesta etapa aprendi:

• Melhor criação de Baseline
• Avaliação de Coeficientes com YellowBricks
• Escolha planejada de Métricas e novas métricas
• Comparação de balanceamento
• Utilização de SerchGridCV para otimização de Hiperparâmetros