KO
|
EN
gitlite — search
Search
#javascript
#python
#hacktoberfest
#react
#ai
#typescript
#llm
#go
#golang
#android
#machine-learning
#rust
#deep-learning
#linux
BootcampAluraProjetoFinal
★ 8
Open GitHub ↗
No description available.
Download README (.md)
Explore Similar Repositories
taller_introduccion_flutter
:
No description available.
AKFSF-Simulation-CPP
:
Advanced Kalman Filtering and Sensor Fusion Simulation CPP
nextjs-lms
:
No description available.
ghidrARMloader
:
No description available.
thaivtuberranking-frontend
:
A Flutter Web client application for Thai VTuber Ranking website
// repository documentation
Was this content helpful?
★ 0
(0 ratings)
Select Rating:
★
★
★
★
★
Submit Feedback
Recent Feedback
×
Download README
Do you want to download the
README.md
file for
BootcampAluraProjetoFinal
?
Download (.md)
# BootcampAluraProjetoFinal Neste desafio, usaremos a base de dados da Covid-19, disponibilizada pelo Hospital Sírio Libanês - São Paulo e Brasília, no [Kaggle](https://www.kaggle.com/S%C3%ADrio-Libanes/covid19). Nela, encontramos diversos tipos de informações que foram separadas em 4 grupos: |Grupo da variável| quantidade de variáveis| |---|---| |Informação demográfica| 3 | |Doenças pré-existentes| 9 | |Resultados do exame de sangue| 36 | |Sinais vitais | 6 | Sabemos que há urgência na obtenção e manipulação de dados para melhorar a previsão e assim, conseguir preparar o sistema de saúde, evitando colapsos. Nosso objetivo será prever quais pacientes precisarão ser admitidos na unidade de terapia intensiva e assim, definir qual a necessidade de leitos de UTI do hospital, a partir dos dados clínicos individuais disponíveis. Quando conseguimos definir a quantidade de leitos necessários em um determinado hospital, conseguimos evitar rupturas, visto que, caso outra pessoa procure ajuda e, eventualmente, precise de cuidados intensivos, o modelo preditivo já conseguirá detectar essa necessidade e, desta forma, a remoção e transferência deste paciente pode ser organizada antecipadamente.
