Análise de Rotatividade de Funcionários com Classificação Binária

Este repositório contém o projeto desenvolvido como Trabalho Final da disciplina de Sistemas de Informação Integrada, trantando-se de Inteligência Artificial Aplicada à Análise de Dados. O objetivo é construir um pipeline completo de análise, engenharia de dados e modelagem preditiva com foco em classificação binária da rotatividade de funcionários ("Employee Attrition").

🎯 Objetivo Acadêmico

Desenvolver um Artigo Científico completo a partir da base pública Employee Attrition Dataset (Kaggle), seguindo os critérios de avaliação e metodologia científica exigida pela disciplina.

O artigo segue o formato ACM (duas colunas) e tem fins estritamente acadêmicos, com conteúdo demonstrativo e não oficial. Parte dos resultados e textos foram gerados com o auxílio de ferramentas de IA, conforme indicado no artigo.

📁 Estrutura do Repositório

├── article/           # Artigo acadêmico no modelo ACM (LaTeX)
├── data/              # Base de dados original (.csv)
├── notebooks/         # Código principal e análises (em Python)
├── requirements.txt   # Dependências do projeto
└── .gitignore         # Arquivos ignorados pelo versionamento (ambiente virtual do Python)

📚 Etapas Desenvolvidas

• Introdução e Contextualização
• Descrição da Base de Dados
• Tratamentos Preliminares e Engenharia de Dados
• Análise Estatística e Visual
• Modelagem de Classificadores (Logistic Regression, Random Forest)
• Avaliação de Modelos (Acurácia, F1, Matriz de Confusão, AUC)
• Conclusão e Sugestões Futuras

📦 Tecnologias Utilizadas

• Python 3.10+
• Bibliotecas: pandas, scikit-learn, matplotlib, seaborn, imblearn, statsmodels, entre outras.
• LaTeX (modelo ACM - sigconf)
• Ambiente de desenvolvimento: VS Code

📊 Dataset

• Base pública utilizada: Employee Attrition Dataset - Kaggle
• Tipo: Dados sintéticos com alta representatividade
• Tarefa: Classificação binária (Attrition: Left ou Stayed)

🔍 Observações

• O artigo segue o formato recomendado pelo SBSI (Simpósio Brasileiro de Sistemas de Informação) e foi desenvolvido para fins de avaliação acadêmica interna, não publicado oficialmente.
• Os gráficos gerados foram inseridos no artigo via \includegraphics com descrições apropriadas.
• As bibliotecas de IA generativa não são autoras do conteúdo, conforme normas vigentes.

📝 Licença

Este projeto é de uso educacional e não possui fins comerciais. O uso é livre para estudos, com os devidos créditos.

---

Desenvolvido como parte da disciplina de IA em Sistemas de Informação (2025).