Data

Tools

Indexes

Applications

Experiments

Open Source Science

electric_vehicles

Projeto de graduação em ciência de dados da Mackenzie

https://github.com/daniel64bit/electric_vehicles

Science Score: 44.0%

This score indicates how likely this project is to be science-related based on various indicators:

  • ✓
    CITATION.cff file
    Found CITATION.cff file
  • ✓
    codemeta.json file
    Found codemeta.json file
  • ✓
    .zenodo.json file
    Found .zenodo.json file
  • ○
    DOI references
  • ○
    Academic publication links
  • ○
    Academic email domains
  • ○
    Institutional organization owner
  • ○
    JOSS paper metadata
  • ○
    Scientific vocabulary similarity
    Low similarity (5.4%) to scientific vocabulary

Keywords

exploratory-data-analysis machine-learning student-project
Last synced: 6 months ago · JSON representation ·

Repository

Projeto de graduação em ciência de dados da Mackenzie

Basic Info
  • Host: GitHub
  • Owner: daniel64bit
  • License: apache-2.0
  • Language: Jupyter Notebook
  • Default Branch: main
  • Homepage:
  • Size: 2.59 MB
Statistics
  • Stars: 0
  • Watchers: 1
  • Forks: 0
  • Open Issues: 1
  • Releases: 0
Topics
exploratory-data-analysis machine-learning student-project
Created over 2 years ago · Last pushed over 2 years ago
Metadata Files
Readme License Code of conduct Citation

README.md

Electric Vehicles

Python version License

Visão Geral

Os dados utilizados nesse projetos são fornecidos pelo Estado de Wahsington (EUA), por meio de seu portal de dados abertos, Data.WA.gov, com informações de diferentes setores, como educação, transporte e finanças.

A base de dados escolhida diz respeito a mudanças de titularidade (compra e venda) de carros elétricos em Washington, disponíveis em: Electric Vehicle Title and Registration Activity .

Esse projeto foi gerado utilizando o framework Kedro.

Descritivo dos dados

Descritivo

Objetivos e metas

  • Análise Exploratória:
    • Tipos de veículos mais vendidos
    • Autonomia de bateria
    • Preço de revenda
    • Localidades com maior rotatividade
    • Datas com vendas mais intensas
  • Modelo preditivo:
    • Previsão de preço de revenda de veículos puramente elétricos
  • Storytelling:
    • Organização de apresentação simples e objetiva para apresentação de resultados

Fluxograma do projeto

Fluxograma

Cronograma

cronograma proj2

Regras

  • Não remova nenhuma linha do arquivo .gitignore
  • Certifique-se de que seus resultados possam ser reproduzidos
  • Não comite dados ao repositório
  • Não comite credenciais ou configurações locais ao repositório. Mantenha todas as suas credenciais e configurações locais em conf/local/

Requisitos

As bibliotecas necessárias para a execução do projeto estão listadas no arquivo src/requirements.txt. Para instalá-las, utilize o comando:

pip install -r src/requirements.txt

Como executar o pipeline

Para executar o projeto, utilize o comando:

kedro run

Para executar uma pipeline específica, utilize o comando: kedro run --pipeline <nome-da-pipeline>

Autores

Owner

  • Name: Daniel Rodrigues
  • Login: daniel64bit
  • Kind: user
  • Location: Rio de Janeiro, Brazil
  • Company: Ipiranga Produtos de Petróleo

Chemical Engineering @ Rio de Janeiro State University; Data Science @ Mackenzie; Data Science Intern @ Ipiranga

Citation (CITATION.cff) 

cff-version: 1.2.0
message: "If you use this software, please cite it as below."
authors:
- family-names: "Rodrigues da Silva"
  given-names: "Daniel"
- family-names: "Cavalcanti Silva"
  given-names: "João Arthur"
title: "electric_vehicle_classification"
version: 1.0.0
date-released: 2023-08-27
url: "https://github.com/daniel64bit/electric_vehicle_classification"

GitHub Events

Total
Last Year