1.1 Descrição do problema

• Descrição informal
• Descrição formal
• Premissas

1.2 Dados Fornecidos

• Restrições impostas aos dados
• Definição de cada atributo

1.3 Motivação

• Motivação
• Benefícios
• Uso

2.1 Estatísticas descritivas:

• Estrutura dos dados
• Distribui coes dos dados
• Summary, VarType, Corr Matrix, Count os class labels

2.2 Visualizações

3.1 Seleção de Atributos

Teste Qui-Quadrado Coeficientes de Correlação Algoritmos de eliminação recursiva (RFE) Algoritmos de Regularização (LASSO, Elastic Net, Ridge Regression)

3.2 Limpeza dos dados

Formato, Limpeza, Amostragem

3.3 Testar suposições

Normalidade, igualdades, etc

3.4 Transformação dos dados

Scale, decomposição, agregação

4.1 Separar dados de treino/validação/teste

Treino/Teste Cross-Validation

4.2 Testar opções e métricas de avaliação

Por nível de dificuldade (do mais fácil para o mais difícil):

1. knn, naive-bayes;
2. logit, decision tree, lasso, elasticnet;
3. randomforest, gbm, xgboost, nnet;
4. h2o::automl, autoxgboost, autokeras;

4.3 Algoritmos de verificação

Conferir resultados com modelo baseline

4.4 Comparar algoritmos

definir métricas, tempo de processamento, tempo de estimação etc

5.1 Tuning algoritmos

Random Search grid Search

5.2 Conjuntos (Ensembles)

modelo hibrido

bagging, boosting, blending

“extreme feature engineering”

6.1 Previsões no dataset de teste

Automação?

6.2 Salvar modelo para deploy / Operacionalizar algoritmo

API? Shiny? Script? .RDS?