Prever a satisfação dos clientes com relação aos serviços do BoraBusão!
E aí? O que queremos fazer? Aonde queremos chegar com isso?
Entender como usar e criar TransformerMixin e BaseEstimators do pacote SKLearn.
Criar pipelines.
Entender como salvar transformacões em binários e como recuperar eles e usar para gerar previsões.
Entender o MLFlow.
A métrica a ser avaliada para a previsão de satisfação dos clientes será a acurácia. Mas é importante mostrar a curva ROC e a métrica KS apenas para enriquecerem os resultados, será obrigatório gerá-los e interpertar os resultados dos mesmos.
Os trabalhos entregues serão avaliados em um dataset separada e desconhecido de vocês. Por favor, criem um repositório no github com as soluções, e sigam o cookie cutter de data science como padrão https://github.com/drivendata/cookiecutter-data-science
O conjunto de dados veio de uma enquete com os clientes da BoraBusão e queremos saber se com estes dados podemos prever a satisfação dos mesmos com os serviços da empresa. (Lembrando que tanto a empresa citada quanto os dados são fictícios e alterados)
- ID: Identificação do cliente
- Genero: Gênero do cliente
- PlanoFidelidade: Se o cliente possui ou não o plano fidelidade da BoraBusão
- Idade: Idade do cliente
- RazaoViagem: Motivo da viagem ( pessoal ou a trabalho? )
- CategoriaPassagem: Em qual catergoria ele está viajando? Normal, Comforto ou Leito
- DistanciaKm: A distancia do trecho de viagem
- WiFi: Possui WiFi no ônibus, o serviço está bom?
- ConvenienciaHorarios: Os horários de partida e chagada são convenientes?
- FacilidadeReservaViaApp: Nível de facilidade de fazer a reserva da passagem
- PontosLocalização: A localização dos pontos de ônibus é boa, qual a satisfação com relação a esse ponto
- Alimentação: A alimentação servida no oninbus e nos pontos, qual a sua avaliação?
- CheckInViaApp: Facilidade de fazer o checkIn via o app
- ConfortoInterno: Nível de conforto do ônibus ( cadeiras, ar-condicionado)
- ServicosIntegracao: Nível de satisfação desde a chegada até o embarque.
- SalaDeEspera: Nível de satisfação com a sala de espera de quem tem o plano Fidelidade
- Bagagem: Nível de satisfação com o serviço e manuseamento da bagagem do passageiro
- ServicoCheckin: Nivel de satisfaçao com o serviço de checkin local
- ServicoDeBordo: Nível de satisfação com o serviço de bordo
- Limpeza: Nível de satisfação com a Limpeza
- AtrasoNaSaída: Atraso em minutos na partida
- AtrasoNaChegada: Atraso em minuto na chegada
- SatisfacaoGeral: Variável alvo, o cliente está satisfeito ou não
O dataset tem variáveis categóricas que precisam ser tratados e salvos como binários (usando pickle ou joblib) pois as transformações irão refletir no modelos, para entender melhor esse processo tomem como exemplo esse repositótio aqui https://github.com/vivianyamassaki/kaggle_titanic_deploy .
Lembrando que além das transformações a avaliação usará um dataset externo. Então antes de fazer qualquer transformação já separem um conjunto de testes com 10% do tamanho original para validar o modelo final. CUIDADO!! Isso é diferente de separar o dataset em treino e teste na hora de gerar o modelo nessa etapa voces terão um conjunto de treino, um de teste e um de validação já com as transformações geradas por vocês, e que voces irão usar para ajustar a acurácia do modelo gerado. Então sigam esse procedimento, separem o dataset da seguinte forma:
- Teste final - 10%, será usado apenas com o binário gerado a partir do seu modelo final.
- Etapa de geraçao do Modelo - Treino 60%, Teste 15% , Validação 15%
Gerar um .ppt com no maximo 4 slides de conteúdo, que será apresentado para todos no dia 26/09 as 15h. Terão 8 minutos para defenderem os resultados achados.
O vencedor será anunciado no dia 26/09/2022, os 3 primeiros colocados irão mostrar os resultados. As outras apresentações também serão avaliadas, mas em outro momento.
A data da entrega é 23/09/2022 até as 17:00h (fim do expediente DM).
A entrega deve conter:
Um repositório github com a solução desenvolvida e os binários gerados. Uma apresentação .ppt com 4 slides no máximo.
BOA SORTE AOS PARTICIPANTES