Sistema Gerenciador de UBS

Aplicação Web com Django e Machine Learning (KNN)

Este projeto foi desenvolvido como parte da disciplina Framework da pós-graduação em Sistemas e Agentes Inteligentes da UFG. A aplicação web foi construída utilizando o Django Framework e tem como objetivo acessar dados de um banco de dados, realizar o treinamento de um modelo de machine learning KNN (K-nearest neighbors) e fornecer ferramentas para avaliar seu desempenho.

Alunos

• Samantha Adiely Alecrim
• Edson Laranjeiras
• Billy Fádel

Funcionalidades

• Importação e Exportação de Dados: Opção para importar/exportar arquivos CSV para o banco de dados.
• Treinamento de Modelo: Implementação de um modelo de machine learning (KNN) treinado com os dados importados.
• Métricas de Avaliação:
  • Curva ROC
  • Precisão e Recall
  • Matriz de Confusão

Tecnologias Utilizadas

• Linguagem: Python
• Framework: Django
• Banco de Dados: SQLite
• Machine Learning: Scikit-Learn
• Front-end: HTML (Bootstrap)

Instalação e Execução

Pré-requisitos

• Python 3 instalado
• Virtualenv instalado (opcional, mas recomendado)

Passo a Passo

1. Clone o repositório

   git clone https://github.com/seu-usuario/seu-repositorio.git
   cd seu-repositorio
   

Crie e ative um ambiente virtual

• venv\Scripts\activate #No Windowns

Instale as dependências

• pip install -r requirements.txt

Realize as migrações do banco de dados

• python manage.py migrate

Inicie o servidor Django

• python manage.py runserver

Como Utilizar:

1. Importe um arquivo CSV para carregar os dados no banco de dados.
2. Treine o modelo KNN utilizando os dados importados.
3. Visualize as métricas de avaliação, como a Curva ROC, Precisão, Recall e Matriz de Confusão.
4. Exporte os dados processados em formato CSV.