MLD109 · Projeto final: um modelo preditivo para uma decisão de negócio
Sobre o curso
Defina, construa, avalie, explique e empacote um modelo preditivo que apoia uma decisão real de negócio, reunindo todo o fluxo de ciência de dados.
Para quem é
Alunos que concluíram os cursos do programa MLD e querem um projeto robusto, pronto para o portfólio.
Pré-requisitos
MLD101 a MLD108, ou experiência equivalente em todo o fluxo de ciência de dados.
O que você será capaz de fazer
- Transformar uma decisão de negócio em um problema preditivo com alvo, métrica, referência e estimativa de valor
- Preparar os dados e criar variáveis sem vazamento, com uma validação que reflete o uso real
- Construir, ajustar, explicar e avaliar com justiça um modelo contra uma referência, com regra de decisão baseada em custo
- Empacotar o modelo com um plano de monitoramento e apresentar resultados, valor e limitações em um relatório pronto para decisão
Aulas
- Aula 1 · Briefing e escopo do projeto
- Aula 2 · Marcos e método
- Aula 3 · Checklist de qualidade e erros comuns
- Aula 4 · Entregas, rubrica e envio
Laboratório: Ambiente de construção do projeto
Você vai manter o projeto inteiro em um repositório: notebooks ou scripts, documentação dos dados, execuções do MLflow, o modelo empacotado, um relatório de monitoramento e o relatório final. Cada marco é registrado em commit, para que quem revisar acompanhe seu raciocínio da definição do problema à implantação.
Ferramentas gratuitas: Google Colab ou VS Code, GitHub gratuito, MLflow (local), Evidently, Docker Desktop e Looker Studio (todos gratuitos)
Atividade avaliada
Escolha uma decisão de negócio, como quais clientes contatar para renovação, quanto estoque pedir por loja ou quais serviços de manutenção priorizar, usando um conjunto de dados público ou dados anonimizados que você tenha permissão para usar. Construa um modelo preditivo que apoie a decisão, compare-o com uma referência em um esquema de validação compatível com o uso real, defina uma regra de decisão a partir de custos e capacidade, explique o modelo e verifique o desempenho por subgrupo. Entregue o repositório, um modelo empacotado com plano de monitoramento e um relatório final de 2.000 a 3.000 palavras com resumo executivo.
| Critério | Peso | Como é um trabalho excelente |
|---|---|---|
| Definição do problema e valor | 20% | Decisão, alvo, métrica e referência específicos, com estimativa realista de valor e suas premissas. |
| Rigor nos dados e na modelagem | 30% | Preparação sem vazamento, validação compatível com a implantação, comparação de modelos sólida e ajuste que nunca toca o teste. |
| Avaliação, explicação e justiça | 25% | Regra de decisão baseada em custo, resultados de teste com incerteza, explicações cuidadosas e análise por subgrupo. |
| Prontidão para implantação e comunicação | 25% | Modelo empacotado que roda, plano de monitoramento e relatório claro, útil tanto para um gestor quanto para um profissional de dados. |
Peça de portfólio
Um projeto completo de modelagem preditiva, pronto para o portfólio, com repositório, modelo empacotado, plano de monitoramento e relatório de decisão.
Próximo passo
Você chegou ao último curso desta formação. Continue evoluindo com uma trilha que combina esta formação com outras relacionadas.
Conteúdo do curso
MLD109 · Projeto final: um modelo preditivo para uma decisão de negócio (8 h)
-
Aula 1 · Briefing e escopo do projeto
-
Aula 2 · Marcos e método
-
Aula 3 · Checklist de qualidade e erros comuns
-
Aula 4 · Entregas, rubrica e envio
-
MLD109 Avaliação · Projeto final: um modelo preditivo para uma decisão de negócio