VPC - Vale a Pena Conservar - 2021

UFRJ Analytica Time 1 / ODS 13 - Ação Contra a Mudança Global do Clima

Apresentação

Nosso time propõe o desenvolvimento de um dashboard interativo, a fim de facilitar a visualização de indicadores de ações climáticas. Nosso objetivo é prover informações que possam moldar a tomada de decisões da empresa para minimizar incidentes em unidades de conservação.

O Produto

Nosso dashboard, desenvolvido exclusivamente com software de código aberto, permite que o usuário selecione os indicadores que serão exibidos de forma interativa. Ademais, podemos argumentar que boas técnicas de visualização são essenciais para tomar decisões tão impactantes quanto aquelas tomadas pela Vale.

Informações adicionais

Integrantes:

• Kaylani Bochie é mestrando em Engenharia Elétrica no Programa Engenharia Elétrica da UFRJ e é competidor na equipe de ciência de dados da UFRJ, a UFRJ Analytica.
• Maria Luiza Wuillaume é graduanda em Engenharia de Computação e Informação na Universidade Federal do Rio de Janeiro (UFRJ) e é desenvolvedora na equipe de ciência de dados da UFRJ, a UFRJ Analytica.
• Rafael Ribeiro é graduando em Engenharia Eletrônica e de Computação na Universidade Federal do Rio de Janeiro (UFRJ) e é coordenador de competição na equipe de ciência de dados da UFRJ, a UFRJ Analytica.
• Ronald Albert é graduando em Ciênica da Computação na Universidade Federal do Rio de Janeiro (UFRJ) e é competidor na equipe de ciência de dados da UFRJ, a UFRJ Analytica.
• Vinicius Lettieri é graduando em Ciênica da Computação na Universidade Federal do Rio de Janeiro (UFRJ) e é competidor na equipe de ciência de dados da UFRJ, a UFRJ Analytica.

Bibliotecas e Frameworks

Para o front-end utilizamos a linguagem JavaScript e o framework Vue.js, em conjunto com a ferramenta Plotly para o desenvolvimento dos gráficos dinâmicos. A ferramenta de prototipagem Figma também foi utilizada para esquematizar o design da nossa interface.

Nosso back-end foi desenvolvido em Python sobre o framework Flask e utiliza a ferramenta SQLAlchemy para a criação do banco de dados.

A análise exploratória das bases de dados foi feita quase exclusivamente através de notebooks Python. Os pacotes usuais para carregamento, manipulação e análise de dados foram usados, como Pandas, Matplotlib, Seaborn, Scikit-learn e NumPy.