Participe da Maratona Behind the Code! Prêmios e desafios incríveis te esperam, não perca! Inscreva-se aqui

Arquivado | Crie visualizações para entender a insegurança alimentar

Conteúdo arquivado

Data de arquivamento: 2019-08-14

Esse conteúdo não está mais sendo atualizado ou passando por manutenção. Esse conteúdo está sendo providenciado “da forma que está”. Considerando a rápida evolução da tecnologia, alguns conteúdos, passos, ou ilustrações podem ter mudado.

Apresentação

A insegurança alimentar ocorre quando as pessoas não têm acesso constante a uma alimentação nutritiva acessível. Nós podemos causar um forte impacto e instruir outras pessoas através da visualização de nossos insights e previsões, que têm grande potencial de fazer o bem social. Este padrão ensina como fazer isso com o IBM Watson Studio, pandas, PixieDust e Watson Analytics.

Descrição

Geralmente, na ciência de dados, nós trabalhamos muito para reunir insights que tenham impacto na sociedade, ou um subconjunto deles, e muitas vezes não conseguimos transmitir nossas descobertas, ou as transmitimos de uma forma ineficaz para públicos não alvo. É aí que as visualizações têm poder. Nós podemos causar um forte impacto e instruir outras pessoas através da visualização de nossos insights e previsões, que têm grande potencial de fazer o bem social. Podemos conseguir reconhecimento e até mudar grandes questões. Este padrão ensina como fazer isso com o IBM Watson Studio, pandas, PixieDust e Watson Analytics.

Este padrão está focado na insegurança alimentar nos EUA. A insegurança alimentar ocorre quando as pessoas não têm acesso constante a uma alimentação nutritiva acessível. Quando o acesso à nutrição adequada ou instruções sobre essa nutrição não estão disponíveis, as pessoas passam fome ou ingerem alimentos não nutritivos. Esse é um problema cada vez mais relevante para os Estados Unidos, já que os casos de obesidade e diabetes aumentam e dois entre três adultos americanos são considerados obesos, um terço dos menores americanos são considerados obesos, quase dez por cento dos americanos têm diabetes e quase cinquenta por cento da população americana de origem africana têm alguma doença cardíaca. A doença cardiovascular é a maior causa global de mortes, contabilizando 17,3 milhões por ano. E esse número continua aumentando. E cada vez mais, a população de americanos nativos não tem mercearias em suas regiões… e todas essas tendências estão em ascensão. O problema não está apenas no baixo acesso a produtos frescos, mas na cultura alimentar, na educação precária sobre alimentação saudável, bem como na desigualdade racial e de renda. Nós usaremos dados governamentais abertos relacionados a baixo acesso, doenças relacionadas à alimentação, raça, pobreza, geografia e outros fatores neste padrão.

Após estudar este padrão, você poderá:

  • Usar o Watson Studio.
  • Remover NaNs e 0s de um dataframe pandas.
  • Visualizar correlações e outras descobertas utilizando matplotlib, bokeh, seaborn e PixieDust.
  • Fazer download de quadros de dados pandas do DSX.
  • Fazer upload dos dados no Watson Analytics.
  • Usar Watson Analytics para gerar visualizações e compartilhá-las com outras pessoas.

Este padrão foi criado para cientistas e amantes de dados com interesse em questões de justiça social e/ou para aqueles que são novos no DSX e Watson Analytics. Ele mostrará ao usuário o poder das visualizações, como selecioná-las e como compartilhá-las.

Fluxo

fluxo

  1. Abra o Watson Studio e crie um bloco de notas.
  2. Faça download dos dados no Watson Studio e explore-os.
  3. Carregue o PixieDust e use para visualizações.
  4. Faça download do dataframe como um arquivo .csv do Watson Studio.
  5. Faça upload do arquivo .csv para o Watson Analytics e visualize-o.

Instruções

Encontre os passos detalhados desse padrão em README. Esse padrão consiste em duas atividades primárias:

  1. Execute bloco de notas Jupyter dentro do IBM Watson Studio.
  2. Analise os dados com o Watson Analytics.

Aviso

O conteúdo aqui presente foi traduzido da página IBM Developer US. Caso haja qualquer divergência de texto e/ou versões, consulte o conteúdo original.