Skip to content

Latest commit

 

History

History
59 lines (45 loc) · 4.65 KB

README.md

File metadata and controls

59 lines (45 loc) · 4.65 KB
Logo PyCats

Análise da Eficiência do Sono

PythonPandasNumPySeaborn BadgeMatplotlibScikit Learn

GitHub PyPI GitHub last commit

Base de Dados

No estudo, foi utilizado o conjunto de dados Sleep Efficience, disponível no site do Kaggle. A base de dados contém informações sobre idade, gênero, horários de dormir e acordar, duração do sono, porcentagem de sono leve, profundo e REM, número de despertares, consumo de cafeína e álcool, status de tabagismo e frequência de exercícios.

Objetivo do Projeto

O objetivo deste projeto é analisar e identificar padrões e correlações entre a eficiência do sono e diversos fatores de estilo de vida. Tais informações podem oferecer insights valiosos sobre os principais aspectos que influenciam a qualidade do sono.

Justificativa do Projeto

A qualidade do sono é essencial para a saúde e o bem-estar físico, mental e emocional. Dormir mal pode afetar a produtividade e aumentar o risco de doenças cardiovasculares, doenças metabólicas e distúrbios mentais.

A análise da eficiência do sono, considerando fatores de estilo de vida, como rotinas e hábitos de consumo, pode contribuir para o desenvolvimento de estratégias que influenciem na melhoria da qualidade do sono e a saúde em geral. Com base nos dados coletados, este projeto visa identificar insights e padrões úteis que possam ser aplicados por especialistas em saúde, pesquisadores e pelo público em geral, fornecendo uma base sólida para intervenções personalizadas.

Resumo Gráfico

Resumo Gráfico

Desenvolvedores

Organização de Diretórios

├── data/              # Diretório contendo todos os arquivos de dados
│   ├── external/      # Arquivos de dados de fontes externas
│   ├── interim/       # Arquivos de dados intermediários
│   ├── processed/     # Arquivos de dados processados
│   └── raw/           # Arquivos de dados originais, imutáveis
├── docs/              # Documentação gerada através da biblioteca mkdocs
├── models/            # Modelos treinados e serializados, predições ou resumos de modelos
├── notebooks/         # Diretório contendo todos os notebooks utilizados nos passos
├── references/        # Dicionários de dados, manuais e todo o material exploratório
├── src/               # Código fonte utilizado nesse projeto
│   ├── data/          # Classes e funções utilizadas para download e processamento de dados
│   ├── deployment/    # Classes e funções utilizadas para implantação do modelo
│   └── model/         # Classes e funções utilizadas para modelagem
├── app.py             # Arquivo com o código da aplicação do streamlit
├── Procfile           # Arquivo de configuração do heroku
├── pyproject.toml     # Arquivo de dependências para reprodução do projeto
├── poetry.lock        # Arquivo com sub-dependências do projeto principal
├── README.md          # Informações gerais do projeto
└── tasks.py           # Arquivo com funções para criação de tarefas utilizadas pelo invoke