Este projeto faz parte do Intensivão de Python da Hashtag Treinamentos, um curso gratuito com 4 aulas práticas, voltado para quem quer aprender Python de forma simples, rápida e aplicada no dia a dia profissional.
- ✅ Aula 1: Python Power Up: Automação de Tarefas
- ✅ Aula 2: Análise de Dados com Python
- ✅ Aula 3: Inteligência Artificial e Previsões
- ⏳ Aula 4: Criação de Sites e Sistemas com Python
Nesta aula, aprendi a automatizar tarefas repetitivas no computador usando Python.
O desafio foi automatizar o cadastro de produtos em um sistema online a partir de uma planilha.
-
Utilização da biblioteca
pyautoguipara:- Abrir programas e navegar em sites
- Preencher campos automaticamente
- Simular cliques e comandos de teclado
-
Uso da biblioteca
pandaspara ler dados de uma planilha CSV -
Aplicação de laços
forpara repetir ações
cadastro-produto.py: script principal com a automaçãoprodutos.csv: planilha com os dados dos produtos
Com o código criado, todos os produtos da planilha foram cadastrados automaticamente no sistema, economizando tempo e evitando erros manuais.
Nesta aula, fui contratada por uma empresa com mais de 800 mil clientes para um projeto de dados.
O desafio foi identificar os principais motivos que levavam ao cancelamento dos serviços e propor soluções com base em dados.
-
Utilização da biblioteca
pandaspara:- Importar e analisar grandes volumes de dados
- Filtrar, agrupar e tratar informações
- Calcular percentuais e identificar padrões
-
Criação de gráficos interativos com
plotly.expresspara visualização dos dados -
Análise de correlação entre variáveis para descobrir o que influencia os cancelamentos
analise_dados.ipynb: script principal com a análise dos dadoscancelamentos.csv: base de dados dos clientes da empresa
A análise revelou que clientes com contratos mensais, muitas ligações ao call center e atrasos frequentes têm maior probabilidade de cancelar o serviço.
Com base nisso, foram propostas soluções estratégicas que contribuíram para a redução da taxa de cancelamento entre os clientes analisados.
Nesta aula, aprendi a criar um modelo de Inteligência Artificial capaz de prever o score de crédito dos clientes de um banco.
O desafio foi analisar uma base de dados com informações de clientes e, a partir disso, treinar um modelo que classificasse automaticamente o score de crédito como Ruim, Ok ou Bom.
- Pré-processamento dos dados com
LabelEncoderpara converter colunas categóricas em valores numéricos - Separação entre variável alvo e variáveis preditoras
- Divisão da base de dados entre treino e teste com
train_test_split - Criação e treinamento de modelos de Machine Learning:
RandomForestClassifier(Árvore de Decisão)KNeighborsClassifier(KNN - Vizinhos Próximos)
- Comparação entre os modelos utilizando a métrica de acurácia
- Escolha do modelo com melhor desempenho para aplicar nas previsões
previsao-score.py: script com o processo de análise, modelagem e previsãoclientes.csv: base de dados com informações dos clientes e score de crédito
Ao final, foi possível prever automaticamente o score de crédito de novos clientes com base em suas informações, permitindo ao banco tomar decisões mais estratégicas e seguras.
Nesta aula, desenvolvi uma aplicação web de chat em tempo real chamada Hashzap, utilizando a biblioteca flet.
Com ela, conseguimos simular uma sala de bate-papo onde vários usuários interagem simultaneamente pela interface do navegador.
- Utilização do
fletpara criação de interfaces web com Python - Estruturação de componentes interativos como:
- Botões (
ElevatedButton) - Campos de texto (
TextField) - Alertas e popups (
AlertDialog) - Containers e layouts (
Column,Row)
- Botões (
- Uso do
pagina.pubsubpara comunicação entre usuários em tempo real - Manipulação de eventos com
on_clickeon_submit
hashzap.py: script principal da aplicação de chat- Interface web responsiva com execução via navegador
- Comunicação assíncrona entre participantes usando sistema de pub/sub
A aplicação permite múltiplos usuários interagirem em tempo real, com:
- Entrada no chat exibida para todos
- Envio e recebimento de mensagens visíveis para todos os participantes
- Interface amigável e funcional em navegador local (
localhost:8000)