Este projeto utiliza Ciência de Dados e Machine Learning para criar uma ferramenta de suporte à decisão para o setor do turismo em Angola. O objetivo é analisar e prever o potencial de desenvolvimento (medido pelo Índice de Desenvolvimento Humano - IDH) de diversas localidades turísticas, com base em dados geoespaciais, ambientais e socioeconômicos.

A aplicação final é um dashboard interativo que permite a investidores e planeadores governamentais visualizar e comparar o potencial de diferentes regiões, otimizando assim a alocação de recursos.

A forma mais simples de ver o projeto em ação é através da nossa aplicação web implementada.

URL da Aplicação: http://13.222.132.210:8501/

Nota: Por se tratar de um protótipo, a instância pode não estar sempre ativa.

Para executar o projeto no seu próprio ambiente, siga os passos abaixo:

1. Clone o repositório:

   git clone (https://github.com/nicolemos56/MapaTurismo.git)
   cd seu-repositorio

2. Crie e ative um ambiente virtual:

   python -m venv venv
   source venv/bin/activate  # No Windows, use `venv\Scripts\activate`

3. Instale as dependências:

   pip install -r requirements.txt

4. Execute o pipeline de dados e treino (opcional, se quiser treinar o modelo do zero):

   python scripts/main.py

5. Inicie a aplicação Streamlit:

   streamlit run app.py  # Substitua 'app.py' pelo nome do seu script principal da aplicação

A aplicação estará disponível em http://localhost:8501. Para teste clica em>Carregar um CSV>Vá na pasta do projeto(MapaTurismo)>data>model_inputs>test.csv

O projeto está organizado da seguinte forma para garantir modularidade e clareza:

.
├── app.py                  # Script principal da aplicação Streamlit
├── data/                   # Conjuntos de dados brutos e processados
    ├── model_inputs/       # Modelos de Machine Learning treinados (.pkl)
├── documentation/          # Documentação técnica, relatórios e apresentações
├── notebooks/              # Jupyter Notebooks para análise exploratória e prototipagem
├── scripts/                # Scripts Python para coleta, processamento e treino
│   ├── 01_coleta_dados.py
│   ├── 02_feature_engineering.py
│   └── 03_treino_modelo.py
├── requirements.txt        # Lista de dependências Python
└── README.md               # Este arquivo

Este projeto foi construído com as seguintes tecnologias e bibliotecas:

• Análise de Dados e ML: Python, Scikit-learn, Pandas, GeoPandas, NumPy
• Dados Geoespaciais: OSMnx, Folium
• Dashboard Web: Streamlit
• Fontes de Dados: OpenStreetMap, ESA (Sentinel-2)

Este projeto foi desenvolvido com a dedicação e o trabalho em equipa de:

• Nico cohen (@nicolemos56) - Gestão de Projeto, Análise de Dados
• Walissaco Jorge Tomás (@Walissaco) - Engenharia de Dados, Backend
• Mbala Pedro Kiala Domingos (@mbalapedrokialadomingos4) - Machine Learning
• Baltazar Henrique (@baltahenrique647-fonte) - Frontend, Visualização

Agradecemos a todos os contribuidores pelas suas valiosas contribuições.