Foi desenvolvido no Jupyter Notebook um projeto para análise das médias dos alunos, realizando o cálculo das notas e a criação de um gráfico de dispersão para representar visualmente o desempenho dos estudantes.
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!
Foi desenvolvido no Jupyter Notebook um projeto para análise das médias dos alunos, realizando o cálculo das notas e a criação de um gráfico de dispersão para representar visualmente o desempenho dos estudantes.
Olá, Marcela. Como vai?
Parabéns pelo excelente projeto! O seu fluxo de trabalho está extremamente organizado e o resultado visual ficou fantástico. Em projetos de Data Science e Inteligência Artificial, mapear o pipeline de dados antes da execução é uma prática de altíssimo nível, e o seu infográfico traduziu esse processo com muita clareza.
A estrutura do seu Fluxo de Análise seguiu perfeitamente as etapas essenciais de um projeto de dados profissional:
plt.scatter implícito) para entregar o insight visual pronto.O seu gráfico de dispersão ficou muito limpo, com títulos claros nos eixos (Estudantes e Média) e linhas de grade que facilitam a leitura rápida dos pontos de dados. Cada marcador colorido ajuda a isolar a performance individual dos alunos de forma lúdica e interpretativa.
Como você está explorando o potencial da Inteligência Artificial Generativa para otimizar seus projetos, quero te sugerir duas melhorias de nível avançado para testar no seu código do Jupyter Notebook, usando a IA para te ajudar a programar a evolução desse gráfico:
Para tornar o seu gráfico ainda mais analítico, você pode pedir para a IA gerar uma linha horizontal tracejada indicando a média mínima para aprovação (por exemplo, nota $6.0$ ou $7.0$). Isso permite que o tomador de decisão (o professor ou coordenador) identifique instantaneamente quais alunos estão na zona de risco (abaixo da linha).
No Matplotlib, você faz isso com o comando plt.axhline():
# Adiciona uma linha tracejada vermelha na média 6.0
plt.axhline(y=6.0, color='red', linestyle='--', linewidth=1.5, label='Média de Aprovação')
Repare que o seu eixo X está mostrando valores numéricos contínuos ($0.0$, $2.5$, $5.0$). Se a sua planilha original tiver o nome dos alunos ou o número da chamada (ID), você pode usar a IA para te ajudar a configurar os marcadores textuais no eixo X utilizando a função plt.xticks(). Dessa forma, em vez de um ponto flutuando no índice $5.0$, o gráfico mostrará o nome do estudante logo abaixo do ponto correspondente.
O seu processo de ponta a ponta — desde a engenharia do fluxo até a plotagem final — demonstra uma excelente visão analítica para negócios. Continue explorando como as IAs generativas podem acelerar a escrita desses códigos visuais!
Espero que possa ter lhe ajudado!
Muito obrigada!