Este repositório contém minha solução para o desafio técnico da trilha de Ciência de Dados do Programa LightHouse, uma iniciativa da empresa Indicium. O desafio faz parte do processo de admissão da edição 2025.3.
O objetivo deste desafio é avaliar o candidato em sua capacidade de:
- Resolver problemas de negócio
- Análise de dados
- Aplicação de modelos preditivos
🎥 Apresentação do Projeto: Assista a um vídeo curto onde apresento o desenvolvimento deste projeto: Google Drive.
- Python 🐍
- Pandas, NumPy (Manipulação de dados)
- Matplotlib, Seaborn, WordCloud (Visualização)
- Scikit-learn (Modelagem Preditiva)
- Jupyter Notebook (Ambiente de Desenvolvimento)
📦 indicium-lighthouse
├── 📂 data/ # Arquivos de dados
│ ├── teste_indicium_precificacao.csv # Conjunto de dados fornecido
│ ├── exemplo_pred_precificacao.csv # Exemplo de dados novos para predição
├── 📂 notebooks/ # Notebooks principais
│ ├── Projeto Lighthouse.ipynb # EDA e Modelagem
├── 📂 images/ # Imagens utilizadas
│ ├── imoveis_thumbnail.png # Capa do projeto
│ ├── home_blue.png # Usado na análise
│ ├── home_red.png # Usado na análise
├── 📂 models/ # Modelos treinados
│ ├── modelo_ridge_treinado.pkl
├── 📂 fonts/ # Fonte utilizada na nuvem de palavras
├── requirements.txt # Lista de pacotes necessários
├── README.md # Você está aqui! 😃
- Clone este repositório:
git clone https://github.com/jorgeluizfigueira/indicium-lighthouse.git cd indicium-lighthouse - Instale as dependências:
pip install -r requirements.txt
- Abra os notebooks no Jupyter Notebook, Google Colab ou Kaggle.
Esse projeto foi um verdadeiro exercício prático de como a ciência de dados pode ser aplicada para resolver problemas reais de negócios, como a precificação de imóveis. A análise exploratória e a modelagem nos permitiram identificar padrões e criar um modelo robusto para prever preços.
O modelo final treinado foi salvo como modelo_ridge_treinado.pkl e pode ser utilizado para novas predições.
Feito com 💙 por Jorge Luiz Figueira
🚀 Bora explorar NY juntos? 🏙️
Se tiver alguma dúvida ou sugestão, me manda uma mensagem! 😉