🚧 PROJETO EM CONSTRUÇÃO... 🚧

PlayMode.mp4

📷 VIDEO 01: Execução do software, carregando a base de dados de exemplo (baseada no notebook anexo) 📷

Predição de Faturamento 📈

Este é um projeto de previsão de faturamento que utiliza técnicas de Machine Learning para predizer o valor de faturamento para o próximo mês, com base em uma base histórica de dados. O software possui uma interface gráfica desenvolvida em Qt for Python (PyQt5) para facilitar a interação do usuário e permitir a escolha da metodologia de previsão desejada. 💻

Funcionamento do Projeto ⚙️

O projeto recebe como entrada uma base de dados no formato CSV contendo três colunas: "ano", "mes" e "faturamento". A partir desses dados históricos, o modelo é treinado e capaz de realizar previsões para o próximo mês.

O front end desenvolvido em Qt for Python permite que o usuário escolha a metodologia que deseja utilizar para a previsão. As opções disponíveis são:

1. 📊 Média: O modelo utilizará a média dos valores históricos como a previsão para o próximo mês.
2. 📈 Desvio Padrão: O modelo utilizará a média mais o desvio padrão dos valores históricos como a previsão para o próximo mês.
3. 📊 Média Ponderada: O modelo utilizará uma média ponderada dos valores históricos, onde pesos podem ser atribuídos a diferentes períodos.
4. 📉 Segunda Derivada dos Dados: O modelo utilizará uma abordagem de segunda derivada para estimar a tendência do faturamento.
5. 📈 Regressão Linear: O modelo realizará uma regressão linear com base nos dados históricos para prever o faturamento futuro.
6. ⌚ Séries Temporais: O modelo utilizará técnicas de séries temporais para realizar a previsão.

Como Utilizar 👇

Para a visualização, basta clicar no executável, dentro da pasta "dist", e aguardar a abertura do software. Depois carregue a base de dados "df" de exemplo, ou crie uma própria respeitando os parâmetros das colunas.

1. 📦 Instale as dependências necessárias, como PyQt5 e outras bibliotecas Python relevantes.
2. 📁 Abra o executável "sistema.py" localizado na pasta "QT_faturamento" para iniciar a interface gráfica.
3. 📁 Selecione a base de dados CSV contendo as colunas "ano", "mes" e "faturamento".
4. 💡 Escolha a metodologia de previsão desejada através dos botões disponíveis.
5. ▶️ Pressione o botão de previsão para obter o resultado.

Observações 📝

• 📓 O projeto possui um notebook anexo, utilizado como base para o desenvolvimento das fórmulas de previsão.
• ⚠️ O código em python do arquivo "sistema.py" utiliza trechos de fórmulas retirados do notebook, onde são coletadas apenas as equações ou chamadas dos recursos das bibliotecas utilizadas.
• ⚠️ Este é um protótipo inicial e o projeto pode ser expandido para incluir outras metodologias de previsão e melhorias na interface gráfica.