Fatec - Mineração de Dados

Breve projeto de Mineração de Dados para análise macroeconômica ("efeito tesoura").

Resumo para visitantes

• Objetivo: analisar a relação entre Pagamento_Total_Divida e Gasto_Social (saúde + educação) usando dados do World Bank (2010–2023).
• Principais técnicas: pré-processamento com pandas, clusterização com KMeans e mineração de regras com Apriori (mlxtend).
• Resultado principal: evidências de que cargas de dívida maiores tendem a pressionar gastos sociais.

Arquivos úteis

• Relatório (PDF): [Relatorio final Mineração.pdf](Relatorio final Mineração.pdf)
• Texto extraído do relatório: [Relatorio final Mineração.txt](Relatorio final Mineração.txt)
• Script de extração de PDF: extract_pdf.py
• Notebooks principais: 13 anos enxugando gelo.ipynb (análise) e gráfco de 30 anos .ipynb (anexado/uso histórico).

Rápido para rodar localmente

1. Ative o ambiente virtual (PowerShell):

& .venv\Scripts\Activate.ps1

2. Instale dependências mínimas (se não existir requirements.txt):

.venv\Scripts\python -m pip install PyPDF2 pandas scikit-learn mlxtend

3. Extrair o texto do relatório (gera Relatorio final Mineração.txt):

.venv\Scripts\python extract_pdf.py "Relatorio final Mineração.pdf"

Observações rápidas

• O projeto usa os CSVs do World Bank já presentes no repositório.
• Para reproduzir a análise principal, abra 13 anos enxugando gelo.ipynb no Jupyter/VS Code.

Contato

• Autor(es) no relatório: Luís Henrique da Silva, Pedro A. Batista, Tarsis Mikael Ventura Dumas de Lima.