ANÁLISE DE DADOS E APRENDIZADO DE MÁQUINAAPLICADOS A FILMES DO UNIVERSO CINEMATOGRÁFICO DA MARVEL

Resumo

Introdução: Este trabalho apresenta a aplicação de técnicas de análise de dados e Machine Learning utilizando Python e Google Colab. A partir de um conjunto de dados sobre filmes da Marvel, são realizadas etapas de exploração e limpeza dos dados, treinamento de um modelo de Regressão Linear e previsão da bilheteria mundial. O objetivo é demonstrar como a inteligência artificial pode identificar padrões e gerar estimativas, além de compreender as limitações e a importância da qualidade dos dados para a confiabilidade dos resultados. Objetivo: Demonstrar a aplicação de técnicas de análise  de  dados  e  aprendizado de máquina utilizando Python e Google Colab, com o objetivo de investigar características dos filmes da Marvel e desenvolver um modelo de regressão para estimar sua bilheteria mundial. Busca-se também compreender as etapas de preparação   dos   dados, treinamento,  teste  e  avaliação  do modelo preditivo. Metodologia: O trabalho foi desenvolvido no Google Colab, utilizando a linguagem Python e a biblioteca Pandas para manipulação e análise do arquivo CSV. Inicialmente, realizou-se a exploração do conjunto de dados por meio da visualização das linhas, identificação  das  colunas  e verificação de valores ausentes. Em seguida, foram removidos registros incompletos nas variáveis selecionadas para a analise. Para a etapa de aprendizado de máquina, foram definidas como variáveis de entrada a duração do filme, o orçamento de produção e outros. A bilheteria mundial foi definida como variável-alvo. Utilizou-se o algoritmo de Regressão Linear, com separação dos dados em conjuntos de treinamento e teste, para gerar previsões e avaliar o desempenho do modelo. A bilheteria mundial foi definida como variável-alvo. Utilizou-se o algoritmo de Regressão  Linear,  com  separação  dos dados  em conjuntos de treinamento e teste, para gerar previsões e avaliar o desempenho do modelo. Resultados: A exploração do conjunto de dados permitiu organizar informações sobre os filmes e preparar as variáveis para a aplicação de técnicas de aprendizado de máquina. O modelo de Regressão Linear foi utilizado para estimar a bilheteria mundial  a  partir  das  características selecionadas. O desempenho foi avaliado por meio da comparação entre os valores reais e previstos. Conclusão: A atividade demonstra como ferramentas acessíveis, como Google Colab, Python e Pandas, podem ser utilizadas em conjunto com técnicas de aprendizado de máquina para investigar conjuntos de dados reais. A construção de um modelo de Regressão Linear permite compreender conceitos fundamentais, como variáveis de entrada, variável-alvo, treinamento, teste e previsão. Entretanto, a confiabilidade das estimativas depende da qualidade, da quantidade e das características dos dados disponíveis. Dessa forma, o trabalho contribui para o aprendizado prático de análise de dados e inteligência artificial, destacando tanto as possibilidades quanto as limitações dos modelos preditivos.

 Palavras-chave: Machine Learning; Análise de Dados; Inteligência Artificial; Google Colab; Python; Regressão Linear; Bilheteria Cinematográfica.