🧠 Desafio IEEE CIS UnB – Diagnóstico de Diabetes

Projeto desenvolvido como parte da avaliação prática do processo seletivo da IEEE Computational Intelligence Society - Student UnB.
O desafio envolve a análise de dados clínicos para prever a presença de diabetes utilizando técnicas de ciência de dados, estatística e machine learning.

---

📊 Descrição do Desafio

A crescente incidência de diabetes mellitus é uma preocupação global. Com base em dados clínicos de pacientes indígenas da etnia Pima (sexo feminino, idade ≥ 21 anos), o objetivo é identificar padrões, relações estatísticas e desenvolver modelos preditivos para o diagnóstico da doença.

---

✅ Requisitos Atendidos

• Análise exploratória de dados
• Tratamento de valores faltantes e outliers
• Visualização com histogramas, boxplots e scatter plots
• Análise de correlação entre variáveis
• Comparações estatísticas por grupos (ex: idade, IMC)
• Modelagem com Decision Tree e Logistic Regression
• Feature Engineering para otimização dos modelos
• Código limpo e documentado em Python com Google Colab

---

🧪 Ferramentas Utilizadas

• Python 3.10
• Google Colab
• Pandas, NumPy, Matplotlib, Seaborn
• Scikit-learn, XGBoost
• SciPy, Statsmodels

---

📁 Organização do Projeto

├── Desafio-IEEE-definitivo.ipynb   # Notebook completo com análises e modelos
├── /figs                           # Gráficos e visualizações geradas
├── /data                           # Arquivo original do dataset (.csv)
└── README.md                       # Esta documentação