☕ Análise: Consumo de Café e Qualidade do Sono

📌 Sobre o Projeto

Este projeto analisa como o consumo de café influencia a qualidade do sono dos clientes, utilizando técnicas de análise exploratória de dados, visualizações avançadas e modelos de Machine Learning.

Empresa (fictícia): Health&Life Analytics
Dataset: synthetic_coffee_health_10000
Objetivo principal: prever a qualidade do sono (Sleep_Quality) com base em hábitos e características dos clientes.

---

🎯 Objetivos

1. Análise Exploratória (EDA):
   Entender o perfil dos clientes e padrões nos dados (distribuições, correlações, outliers, dados faltantes etc.).

2. Insights de Negócio:
   Identificar relações entre:

   • consumo de café e qualidade do sono;
   • estresse, atividade física e sono;
   • perfis de clientes com maior risco de baixa qualidade de sono.

3. Modelo Preditivo:
   Construir e avaliar modelos de classificação para prever Sleep_Quality, comparando diferentes algoritmos e selecionando o melhor.

---

📊 Dataset

O dataset contém 10.000 registros, com as seguintes variáveis principais:

Variável	Tipo	Descrição
ID	Integer	Identificador único
Age	Integer	Idade (18–80 anos)
Gender	Categorical	Gênero (Male/Female/Other)
Country	Categorical	País de residência
Coffee_Intake	Float	Consumo diário em xícaras (0–10)
Caffeine_mg	Float	Cafeína diária em mg
Sleep_Hours	Float	Média de horas de sono (3–10h)
Sleep_Quality	Categorical	TARGET – Poor/Fair/Good/Excellent
BMI	Float	Índice de Massa Corporal (15–40)
Heart_Rate	Integer	Frequência cardíaca (50–110 bpm)
Stress_Level	Categorical	Nível de estresse (Low/Medium/High)
Physical_Activity_Hours	Float	Atividade física semanal (0–15h)
Health_Issues	Categorical	Condições de saúde
Occupation	Categorical	Ocupação principal
Smoking	Boolean	Fumante (0/1)
Alcohol_Consumption	Boolean	Consome álcool (0/1)

Fonte original do dataset: Kaggle – Coffee and Health Dataset.

---

🛠️ Tecnologias Utilizadas

• Python 3.8+
• Pandas – Manipulação e limpeza de dados
• NumPy – Operações numéricas
• Matplotlib & Seaborn – Visualizações
• Scikit-learn – Modelagem de Machine Learning
• Joblib – Persistência de modelos e transformadores

---

📁 Estrutura do Projeto

coffee-sleep-analysis/
├─ analise_cafe_sono.ipynb       # Notebook principal com EDA, modelos e conclusões
├─ requirements.txt              # Dependências do projeto
├─ README.md                     # Este arquivo
├─ data/
│  ├─ inputs/
│  │  └─ synthetic_coffee_health_10000(in).csv   # Dataset de entrada
│  └─ outputs/
│     ├─ figures/                # Gráficos gerados na análise
│     ├─ models/                 # Modelos treinados e encoders salvos (.pkl)
│     └─ reports/                # Textos de insights e recomendações (.txt)
└─ .gitignore                    # Configuração para ignorar arquivos locais (venv, outputs, etc.)

Obs.: as pastas dentro de data/outputs/ são criadas automaticamente pelo notebook, caso ainda não existam.

---

▶️ Como Executar o Projeto

1. Pré-requisitos

• Python 3.8 ou superior
• git instalado (opcional, para clonar o repositório)
• Navegador + Jupyter Notebook ou VSCode com suporte a notebooks
• (Opcional, mas recomendado) ambiente virtual (venv)

2. Clonar o repositório

git clone https://github.com/abraaopinto/coffee-sleep-analysis.git
cd coffee-sleep-analysis

Se preferir, também é possível baixar o .zip direto pelo GitHub e extrair a pasta.

3. Criar e ativar o ambiente virtual

Windows (PowerShell / CMD):

python -m venv venv
venv\Scripts\activate

Linux / macOS:

python3 -m venv venv
source venv/bin/activate

4. Instalar as dependências

Com o ambiente virtual ativado:

pip install -r requirements.txt

5. Garantir o dataset no local correto

Verifique se o arquivo:

data/inputs/synthetic_coffee_health_10000(in).csv

existe.
Se não existir:

1. Crie as pastas data/inputs/ (se necessário).
2. Coloque o arquivo synthetic_coffee_health_10000(in).csv dentro de data/inputs/.

6. Abrir e executar o notebook

Se estiver usando Jupyter:

jupyter notebook

Depois:

1. Abra o arquivo analise_cafe_sono.ipynb.
2. Execute as células em ordem (Run All), ou seção por seção:
   • Carregamento de dados
   • Análise Exploratória
   • Visualizações comparativas
   • Preparação dos dados e modelagem
   • Avaliação dos modelos
   • Geração de relatórios e recomendações

Dica: o próprio notebook contém uma célula inicial com:

!pip install -qq -r "./requirements.txt"

Isso ajuda principalmente em ambientes como Google Colab.

---

🔍 Fluxo da Análise no Notebook

De forma resumida, o notebook segue o fluxo abaixo:

1. Carregamento e inspeção inicial

   • Leitura do CSV a partir de data/inputs/.
   • Visualização de dimensões, amostras, tipos de dados, valores nulos e duplicados.

2. Análise Exploratória (EDA)

   • Estatísticas descritivas de colunas numéricas e categóricas.
   • Distribuições (histogramas, boxplots).
   • Frequência de categorias.
   • Matriz de correlação entre variáveis numéricas.

3. Visualizações e comparações

   • Relação entre consumo de café (Coffee_Intake, Caffeine_mg) e:
     • horas de sono (Sleep_Hours);
     • qualidade do sono (Sleep_Quality);
     • níveis de estresse.
   • Segmentações por:
     • gênero (Gender);
     • faixa etária;
     • nível de atividade física;
     • nível de estresse.

4. Engenharia de Atributos

   • Criação de novas features (ex.: razões envolvendo cafeína e BMI, indicadores de sono adequado, índices combinados de saúde etc.).
   • Transformação de variáveis categóricas (codificação) para uso em modelos.

5. Modelagem Preditiva

   • Separação em treino e teste.
   • Treinamento de diferentes modelos de classificação (por exemplo: Random Forest, Gradient Boosting, Regressão Logística).
   • Cálculo de métricas como acurácia, matriz de confusão e relatório de classificação.

6. Seleção do Melhor Modelo

   • Comparação das métricas entre modelos.
   • Escolha do modelo com melhor desempenho no conjunto de teste.
   • Análise de importância de features (quando aplicável).

7. Geração de Relatórios e Artefatos

   • Salvamento de:
     • gráficos em data/outputs/figures/;
     • dataset processado em data/outputs/models/ (arquivo .csv);
     • modelo vencedor e encoders em data/outputs/models/ (.pkl);
     • arquivos .txt com:
       • principais descobertas;
       • recomendações de negócio.

---

📂 Saídas Geradas

Após executar todo o notebook, você deverá encontrar:

• Gráficos (PNG) em:

  • data/outputs/figures/

• Modelo treinado (pickle, melhor modelo):

  • data/outputs/models/modelo_melhor_<timestamp>.pkl

• Dataset processado:

  • data/outputs/models/dataset_processado_<timestamp>.csv

• Outros artefatos:

  • Encoders de variáveis categóricas (label_encoders_<timestamp>.pkl)
  • Encoder do alvo (target_encoder_<timestamp>.pkl)
  • Scaler (scaler_<timestamp>.pkl), quando aplicável

• Relatórios em texto:

  • data/outputs/reports/principais_descobertas_<timestamp>.txt
  • data/outputs/reports/recomendacoes_negocio_<timestamp>.txt

---

💡 Principais Perguntas Respondidas pelo Projeto

• Há relação clara entre níveis mais altos de cafeína e pior qualidade de sono?
• Como o nível de estresse afeta tanto as horas de sono quanto a qualidade percebida?
• Grupos com maior atividade física tendem a relatar melhor qualidade de sono?
• Quais variáveis mais contribuem para a previsão de Sleep_Quality segundo o modelo treinado?

---

🚀 Possíveis Extensões Futuras

Algumas ideias de continuidade para o projeto:

• Testar outros algoritmos (XGBoost, LightGBM, redes neurais).
• Implementar validação cruzada e busca de hiperparâmetros (GridSearchCV/RandomizedSearchCV).
• Criar uma API ou aplicação (por exemplo, Streamlit) para que usuários possam simular cenários.
• Explorar explicabilidade de modelos (SHAP, LIME) para aprofundar os insights.

---

👨‍💻 Autor

Projeto desenvolvido por Abraão Pinto como parte de um desafio de análise de dados e Machine Learning.