Projeto
Enunciados
O projeto é um só, feito em equipe sobre o mesmo dataset, e entregue em três partes ao longo do semestre, cada uma com data e peso próprios.
Equipe
Preencha antes de qualquer entrega
Toda entrega do projeto é avaliada em equipe. Se os nomes não estiverem aqui, não há como atribuir a nota — e o mesmo vale para o mkdocs.yml, cujo site_author deve listar o grupo.
| Nome completo | GitHub | |
|---|---|---|
| Luca Cazzolato Machado | lucacm@al.insper.edu.br | @lucacm |
| Gabriel Cavarsan | gabrielcc2@al.insper.edu.br | @Gabriel-Cavarsan |
| Gabriel Gerner Maggion | gabrielgm1@al.insper.edu.br | @gabrielgmaggion-dot |
Times de 2 a 3 pessoas. Repita esses nomes no cabeçalho de cada entrega — quem corrige pode abrir uma página sozinha, sem passar por aqui.
As três entregas
| # | Entrega | Página |
|---|---|---|
| 1 | EDA | EDA |
| 2 | Classificação ou Regressão | a entregar |
| 3 | Generativo | a entregar |
Datas e pesos são da sua edição — veja o overview.
A nota do projeto costuma ser limitada por uma prova sobre o próprio projeto
Deliverables bem escritos não sustentam uma equipe que não consegue explicar o que entregou. Escreva os relatórios de modo que você consiga defendê-los meses depois, e confira no overview da sua edição como a prova entra na nota.
Escolha uma: classificação ou regressão
A segunda entrega é uma das duas, não as duas. Este template traz as duas pastas para você escolher; depois de decidir, apague a que não vai usar — da pasta docs/projects/ e da nav no mkdocs.yml.
Dataset
O mesmo dataset atravessa as três entregas — escolhê-lo bem no EDA é o que torna as outras duas viáveis.
| Nome | Vehicle dataset (CarDekho), arquivos Car details v3.csv + car details v4.csv |
| Fonte (URL) | https://www.kaggle.com/datasets/nehalbirla/vehicle-dataset-from-cardekho |
| Licença / termos de uso | conforme a página do dataset no Kaggle |
| Amostras | 8754 (após deduplicação; 6699 do v3, 2055 do v4) |
| Features | 11 (8 numéricas, 3 categóricas) |
| Variável alvo | price: preço pedido no anúncio, em rúpias (modelado em log) |
| Tarefa escolhida | Regressão |
Preço de carro usado é uma regressão com estrutura real: depende de idade, uso, motor, marca e câmbio, com interações (o efeito da quilometragem inverte de sinal quando se controla pelo ano). O alvo é muito assimétrico, de 30 mil a 35 milhões de rúpias, e os dois arquivos combinados cobrem tanto o mercado popular quanto o de luxo. Isso torna a tarefa interessante em vez de trivial: um modelo precisa acertar a ordem de grandeza nas duas pontas. Detalhes e evidências em 1. EDA.
Status
- 1. EDA
- 2. Classificação ou Regressão
- 3. Generativo
Registro de decisões
Anote aqui as decisões que atravessam as entregas — troca de dataset, mudança de alvo, recorte de features — com a data. É o que permite reconstruir o raciocínio na prova de projeto.
| Data | Decisão | Motivo |
|---|---|---|
| 2026-10-07 | Dataset CarDekho, tarefa de regressão do preço | dataset tabular público com mais de 1000 linhas, features numéricas e categóricas e alvo no arquivo |
| 2026-10-07 | Usar os arquivos v3 + v4, descartar car data e CAR DETAILS FROM CAR DEKHO | car data tem 301 linhas; FROM DEKHO não acrescenta colunas e repete 321 carros do v3 com preço diferente; o v4 cobre a faixa acima de 10 lakh que falta no v3 (EDA, 1A) |
| 2026-10-07 | Manter só as 12 colunas comuns a v3 e v4 | colunas de um arquivo só teriam 20% (mileage) a 80% (exclusivas do v4) de ausência estrutural |
| 2026-10-07 | Deduplicar no arquivo bruto e colapsar reanúncios no preço mediano | 1202 duplicatas exatas e 213 grupos do mesmo carro com preço diferente no v3 (EDA, 1B) |
| 2026-10-07 | Alvo em log; source fora do modelo | assimetria 8,39 → 0,43; a diferença v3/v4 cai de 2,06× para 1,11× quando se comparam carros parecidos (EDA, 3B) |