📊 Avaliação preditiva da qualidade de instrutores em instituições da ensino usando Machine Learning

Projeto de Machine Learning para prever a qualidade de instrutores em instituições de ensino com base em avaliações de estudantes.

🔗 Dataset utilizado: Turkiye Student Evaluation Dataset (Kaggle)

---

📌 Visão Geral

Este projeto visa desenvolver um modelo de Machine Learning capaz de prever a qualidade de instrutores com base em avaliações de estudantes. O dataset contém respostas de alunos sobre diversos aspectos do ensino, como clareza, ritmo, material didático e interação.

Objetivos

✔️ Classificar instrutores em categorias de desempenho
✔️ Identificar quais fatores mais impactam a avaliação dos alunos
✔️ Comparar diferentes algoritmos de ML para encontrar o melhor modelo

---

🛠 Tecnologias e Bibliotecas

• Python 🐍
• Pandas
• Scikit-learn 🧠⚙️
• Matplotlib/Seaborn
• Jupyter Notebook

---

🔍 Análise Exploratória (EDA)

• Distribuição das notas dos instrutores
• Correlação entre variáveis
• Identificação de dados faltantes

---

🤖 Modelos de Machine Learning Testados

1. Regressão Logística
2. Random Forest
3. KNeighborsClassifier

Métricas de Avaliação

• Acurácia
• Matriz de Confusão
• Curva ROC (para classificação binária/multiclasse)

---

📈 Resultados

Modelo	Acurácia (%)	Precisão (%)
Regressão Logística	78.60	93.52
Random Forest	90.12	98.97
KNeighborsClassifier	N/A	84.70

---

📝 Conclusões

• O Random Forest obteve o melhor desempenho neste dataset

📧 Contato

Se tiver dúvidas ou sugestões principalmente, entre em contato:

Email: 2pedrohss@gmail.com

LinkedIn: Pedro Henrique