Este projeto visa aplicar técnicas avançadas de aprendizado de máquina para analisar e prever a probabilidade de clientes de um banco subscreverem a depósitos a prazo. Utilizando um conjunto de dados fornecido pelo UCI Machine Learning Repository, nosso objetivo é desenvolver um modelo que possa ajudar instituições financeiras a otimizar estratégias de marketing e melhorar a eficácia na captação de novos clientes.

Demonstrar a aplicabilidade e eficácia de diferentes algoritmos de aprendizado de máquina, incluindo:

• Tratamento de dados
• Redes Neurais
• Treinamnto do modelo
• Teste em 3 modelos
• Escolha do melhor modelo

Os modelos serão avaliados com base em sua precisão e eficácia na previsão de novas subscrições, contribuindo assim para estratégias mais informadas e direcionadas de marketing bancário.

• Dados de analise modelo 1: analise do modelo com ativador tanh com 3 camadas ,camada de saida sigmoid modelo se encontra em: /analise/analise_model_1

• Dados de analise modelo 2: analise do modelo com ativador relu com 3 camadas ,camada de saida sigmoid modelo se encontra em: /analise/analise_model_2

• Dados de analise de diversos modelos: analise de diversos modelos com ativadores tanh,relu,sigmoid com 3 camadas ,camada de saida sigmoid modelo se encontra em: /analise/analiseParametros