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, altere o máximo de texto possível 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.
Avaliações
Não há avaliações ainda.