PROJETO INTEGRADO NO GOOGLE COLAB – NLP, ESTATÍSTICA E PESQUISA OPERACIONAL
Projeto Integrado Individual
| CURSO / DISCIPLINA: |
| CIÊNCIA DE DADOS |
| TIPO DE TRABALHO: |
| PROJETO INTEGRADO INDIVIDUAL |
| ARQUIVOS ENTREGUES: |
| 1 ARQUIVO WORD (.DOCX) |
Projeto Integrado desenvolvido e respondido sobre análise, otimização e segurança de processos de atendimento ao cliente: o código do Google Colab executado etapa por etapa, os resultados interpretados e as questões norteadoras respondidas.
O trabalho contempla:
- Capa, folha de rosto e sumário no padrão ABNT
- Código Python completo no corpo do documento, pronto para copiar no Colab
- Classificação de mensagens com NLP e Naive Bayes (CountVectorizer e MultinomialNB)
- Métricas do modelo com a matriz de confusão interpretada
- Modelo de fila M/M/1 aplicado ao atendimento, com os resultados calculados
- Anonimização dos dados e análise de segurança e privacidade
- As doze questões norteadoras respondidas, considerações finais e referências
O que o manual da disciplina pede
Compare com o roteiro que você recebeu no AVA para confirmar que é o mesmo trabalho:
Tema do Projeto Integrado
Análise, Otimização e Segurança de Processos de Atendimento ao Cliente com Aplicação de NLP, Probabilidade Estatística e Pesquisa Operacional
Atividade Prática no Google Colab
Copie e cole o código completo abaixo no Colab.
Você deve executar cada etapa, interpretar resultados e responder às questões solicitadas.
Etapas do código a executar no Colab
- Geração da base de mensagens de atendimento.
- NLP — classificação automática das mensagens (Bag of Words e Naive Bayes), com relatório de classificação.
- Estatística — frequência por categoria e histograma do tempo de espera.
- Pesquisa Operacional — simulação da fila de atendimento.
- Segurança — anonimização do texto das mensagens.
Questões a responder sobre a execução
- Qual categoria teve melhor desempenho no classificador Naive Bayes?
- Em suas palavras, como funciona a vetorização Bag of Words?
- Qual categoria teve maior frequência? O que isso indica?
- Interprete o histograma de tempo de espera: é simétrico, assimétrico, disperso?
- O tempo médio de espera é adequado? Como poderia ser reduzido?
- Cite duas ações que podem otimizar o fluxo de atendimento.
- O que é anonimização? Quais dados sensíveis podem aparecer em mensagens de clientes? Qual risco existe em armazenar textos sem anonimização?
Questões norteadoras
Mais doze questões aprofundam o trabalho: pré-processamento textual, comparação entre Bag of Words e TF-IDF, a hipótese de independência do Naive Bayes, teste A/B do tempo de resposta, medida de tendência central em histograma assimétrico, distribuição exponencial do tempo entre chegadas, simulação de eventos discretos, pseudonimização versus anonimização e a etapa do pipeline em que a criptografia deve ser aplicada.
O arquivo é entregue em Word (.docx) editável. A estrutura segue o que o roteiro da disciplina determina e a formatação segue as normas da ABNT. Os campos de identificação (nome, RA e polo) ficam em branco para você preencher.
Como o trabalho pronto é vendido igual para todos os compradores, adapte o texto às orientações da sua disciplina e acrescente a sua própria pesquisa antes de postar no AVA. Se o tutor pedir ajustes, o Apostileiros oferece correção gratuita mediante o print da análise, conforme as políticas do site.
Veja todos os trabalhos prontos por curso
Prefere comparar antes? ver todos os projetos integrados prontos, por curso






Avaliações
Não há avaliações ainda.