Não encontrei o Prompt que o instrutor usou no claude.
Você está vendo a versão anterior da nova experiência da Alura que estamos preparando para você. Em breve, ela ganha uma identidade visual novinha totalmente pensada em potencializar seus estudos!
Solucionado
Não encontrei o Prompt que o instrutor usou no claude.
Ei, Anselmo! Tudo bem?
Seria o prompt da aula Usando IA generativa para preparar o modelo? Se sim, segue o prompt:
Você é um especialista em Python, Machine Learning e criação de APIs para modelos preditivos.
Estou criando um curso introdutório sobre APIs com Flask e FastAPI aplicadas a Machine Learning. O projeto do curso é uma API de previsão de preço de imóveis.
Contexto do projeto:
- Já criamos uma API com o FlaskAPI.
- A rota/predict recebe um JSON no formato:
{
"area_m2":70
}
- Até agora a previsão era simulada com a regra: preco_previsto = area_m2 * 5000
- Agora quero criar um modelo simples de Machine Learning para substituir essa regra em uma próxima etapa.
Sua tarefa:
Gere um script Python chamado treinar modelo.py para treinar um modelo de regressão linear simples usando Scikit-Learn
Requisitos obrigatórios:
1. O código deve ser didático, simples e adequado para alunos inciantes.
2. O código deve criar uma base sintética de imóveis dentro do próprio script, sem depender dos arquivos externos.
3. A base deve ter 500 linhas.
4. A base deve conter pelo menos as colunas:
- area_m2
- preco
5. O modelo deve usar apenas area m2 como variável de entrada.
6. A variável alvo deve ser preco
7. Use LinearRegressiondo scilkit learn.
8. Use train_test_split.
9. Calcule e exiba as métricas:
- MAE
- RMSE
- R²
10. Salve o modelo treinado usando joblib.
11. O modelo deve ser salvo no caminho: modelos/modelo_preco_imoveis.pkl
12. Se a pasta modelos não existir, o código deve criá-la automaticamente.
13. Ao final, faça uma predição de teste para um imóvel de 70m².
14. O código deve imprimir o preço previsto para esse imóvel.
15. Use random_state=42 sempre que fizer sentido
16. Use comentários curtos e didáticos.
17. Não use notebook.
18. Não use Flask
19. Não use FastAPI.
20. Não use Streamlit.
21. Não use banco de dados.
22. Não use bibliotecas além de:
- pandas
- numpy
- scilkit-learn
- joblib
- os
Formato da resposta:
- Retorne apenas o código Python completo.
- Não escreva explicações antes ou depois do código.
- Não use markdown
- Não coloque ```python
Ele foi adicionado na transcrição da aula também!
Espero ter ajudado e qualquer dúvida, conte conosco.
Até mais e bons estudos!