API com Algoritmos de Aprendizado de Máquina para Inferência de Diagnóstico de Diabetes em Mulheres

O objetivo deste projeto é utilizar backend + inteligência artificial para fins didáticos com Python. Todos os materiais utilizados neste projeto estão disponíveis abertamente na internet.

Materiais e Ferramentas:

• Framework:
  • FastAPI: https://fastapi.tiangolo.com/
• Machine Learning:
  • scikit-learn: https://scikit-learn.org/stable/index.html
• Base de Dados:
  • Kaggle: https://www.kaggle.com/

Base de Dados

A base de dados é originalmente do Instituto Nacional de Diabetes e Doenças Digestivas e Renais. O objetivo é prever, com base em medidas diagnósticas, se um paciente tem diabetes. Está disponível no Kaggle e é possível ver mais detalhes por lá.

• Diabetes Dataset: https://www.kaggle.com/datasets/mathchi/diabetes-data-set

Algoritmos de Aprendizado de Máquina

Na API estão disponíveis os algoritmos de aprendizado de máquina:

• Decision Tree: https://scikit-learn.org/stable/modules/tree.html
• KNN: https://scikit-learn.org/stable/modules/neighbors.html#nearest-neighbors-classification
• Neural network: https://scikit-learn.org/stable/modules/neural_networks_supervised.html

Executando o projeto

Para instalar as bibliotecas necessárias do projeto, execute:

pip install -r requirements.txt

Para executar a API:

uvicorn main:app --reload

A API poderá ser acessada localmente em: http://127.0.0.1:8000/

Para acessar o Swagger: http://127.0.0.1:8000/docs