Carga dos painéis abertos e laboratório de modelos explicáveis em Python
Os painéis de dados abertos da organização (acessos, reclamações, satisfação, certificação, espectro) estão em dezenas de arquivos zip. Era preciso baixar tudo de forma repetível. No mesmo repositório o time testou curadoria automática, clusterização, modelos de árvore e causalidade em uma base de capacitação ('Treinados 2022 e 2023').
O que o projeto precisava entregar
Automatizar o download dos painéis da organização e experimentar um conjunto de técnicas de curadoria, aprendizado supervisionado explicável e inferência causal sobre uma base tabular.
Como este case aparece aqui
Por acordo com o cliente, a empresa é identificada apenas pela atividade econômica — Telecomunicações. O resultado não aparece porque não foi apurado nos arquivos do projeto; onde houve apuração, ela está publicada nos casos em destaque.
Veja também
Carga automática dos dados abertos: beneficiários, TISS, contábeis e planos
Saúde, Clínicas e Operadoras: Os dados abertos da organização ficam em um servidor com muitos arquivos por período.
Ler →Pipeline carrega 215 milhões de registros abertos da em MongoDB para consulta
Telecomunicações: A organização publica dezenas de bases abertas (acessos, cobertura, reclamações, qualidade,…
Ler →PIB municipal mensal estimado para 5.570 municípios entre 2003 e 2025
Setor Público: A organização publica o PIB municipal só uma vez por ano e com anos de atraso.
Ler →