Analisando dados do ramo de Drug Discovery utilizando ferramentas do Python, como o Machine Learning.
Utilizando a biblioteca Pandas, analisei os dados disponíveis e completei os desafios propostos.
Utilizando as bibliotecas Seaborn e Matplotlib, analisei os dados disponíveis e gerei gráficos de visualização.
Utilizando as bibliotecas Seaborn e Numpy, analisei os dados disponíveis, através de gráficos de dispersão e correlação.
Utilizando a função merge do Pandas, linkamos dois dataframes e criamos novas colunas para visualização que foi feita através de gráficos e dados consolidados.
Utilizando Sklearn e RandomForest, procuramos utilizar o Machine Learning pra previsãoo. Porém, nesses dados, conseguimos baixos níveis de acurácia com os modelos utilizados (60% ~ 65%), algo que não é aceitável quando se fala de fármacos.