📦 Trabalho Prático do Módulo 1 (Introdução à Ciência de Dados) - Bootcamp 1 (Analista em Ciência de Dados). 📦 Concluído ✔️

• Sobre • Demonstração • Tecnologias • Autora •

Uma empresa de comércio eletrônico está enfrentando problemas com a entrega de seus produtos para diferentes regiões do Brasil. A empresa deseja desenvolver um modelo de regressão linear que possa prever a quantidade de dias para entrega de acordo com o valor do frete, levando em consideração as particularidades de cada região.

Com base nos dados disponíveis, a equipe de ciência de dados da empresa precisa desenvolver um modelo que possa ser utilizado para estimar a quantidade de dias de entrega de um produto, com base no valor do frete e na região de destino. O objetivo é reduzir o tempo de entrega e melhorar a satisfação dos clientes.

O modelo de regressão linear deve levar em consideração as diferenças de influência de cada região no valor do frete e na quantidade de dias de entrega. Além disso, o modelo deve ser capaz de prever com precisão a quantidade de dias de entrega para diferentes valores de frete em cada região, permitindo que a empresa tome decisões mais precisas e assertivas sobre o gerenciamento da logística de seus produtos.

Para esta atividade, os alunos deverão criar um algoritmo de regressão linear para prever a quantidade de dias para entrega de itens baseado no valor do frete cobrado.

1. Criar um projeto no Google Colab.
2. Coletar e inserir o arquivo frete_dias_entrega.csv na plataforma.
3. Filtrar o dataset para a região sudeste.
4. Analisar os dados coletados.
5. Avaliar a relação entre as variáveis.
6. Criar algoritmo de regressão linear.
7. Responder às questões teóricas e práticas do trabalho.

As seguintes ferramentas foram usadas na construção do projeto:

• Pandas
• Plotly
• Numpy
• Sklearn