Análise da Eficiência do Sono
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
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.
Resumo do Projeto
Este projeto de Data Science foi desenvolvido como trabalho final do curso e está estruturado em três etapas principais:
1. Análise Exploratória de Dados (EDA)
- Análise descritiva das variáveis
- Visualizações de distribuições
- Análise de correlações
- Testes de 12 hipóteses sobre fatores que afetam o sono
2. Pré-processamento e Engenharia de Features
- Tratamento de valores faltantes
- Transformação de variáveis temporais em features cíclicas
- Normalização e encoding de variáveis
- Pipeline automatizado de pré-processamento
3. Modelagem Preditiva
- Comparação de 7 algoritmos de Machine Learning
- Validação cruzada com K-Fold (30 folds)
- Otimização de hiperparâmetros
- Análise de métricas (R², MAE, MSE)
Principais Descobertas
Fatores Positivos
- Exercícios Físicos: Correlação positiva (+0.26) com eficiência do sono
- Prática regular melhora significativamente a qualidade do sono
Fatores Negativos
- Despertares Noturnos: Forte correlação negativa (-0.55)
- Consumo de Álcool: Correlação negativa (-0.38)
- Ambos prejudicam significativamente a eficiência do sono
Tecnologias Utilizadas
Equipe de Desenvolvimento
- Alan de Oliveira Gonçalves
- Ayrton Lucas Viana Albuquerque Silva
- Cauan Halison Arantes de Oliveira
- Hosana Maria Ferro Dias
Disciplina: Ciência de Dados
Professor: Madson Dias
Navegação Rápida
-
Dataset
Conheça o conjunto de dados Sleep Efficiency do Kaggle
-
Análise Exploratória
Visualizações, estatísticas e insights dos dados
-
Modelagem
Comparação de algoritmos de Machine Learning
-
Resultados
Conclusões e principais achados do projeto