Update README.md

README.md

@@ -1,168 +1,40 @@
+# Sistema de Controle Financeiro Familiar com Data Science
 
-# Manutenção e Transporte com Dados
+## 1. Objetivo do Projeto
+Desenvolver um sistema de controle financeiro para gerenciar as finanças da família de forma eficiente e eficaz, utilizando técnicas de Data Science para fornecer insights mais profundos e previsões precisas.
 
-**Olá Seres Evoluídos!**
+## 2. Descrição do Projeto
+O sistema permitirá o registro e acompanhamento de todas as receitas e despesas da família, proporcionando uma visão clara da situação financeira atual. Ele também fornecerá ferramentas para planejamento financeiro, tomada de decisões informadas e análise preditiva.
 
-Neste repositório você vai encontrar todas as informações necessárias para o desenvolvimento deste projeto.
+## 3. Principais Funcionalidades
+- Registro de receitas e despesas
+- Categorização de transações
+- Acompanhamento de saldos de contas
+- Planejamento e acompanhamento de orçamentos
+- Relatórios financeiros e análises
+- Modelagem preditiva para prever despesas futuras
+- Análise de tendências para identificar padrões de gastos
 
+## 4. Estrutura do Projeto
+O projeto será estruturado em módulos para facilitar a manutenção e a escalabilidade. Cada módulo será responsável por uma funcionalidade específica do sistema. A estrutura do projeto será a seguinte:
 
->O objetivo é que você construa um projeto de Data Science com análise exploratória e desenvolva um modelo de machine learning para auxiliar na descoberta de novos medicamentos, aplicando todo o conhecimento que você irá adquirir na imersão e criando um projeto incrível no github, deixando-o com a sua cara. 
+- Módulo de Registro de Transações: Responsável pelo registro de todas as receitas e despesas.
+- Módulo de Categorização de Transações: Permite a categorização de transações para facilitar a análise e o rastreamento.
+- Módulo de Acompanhamento de Saldos: Mantém o controle dos saldos de todas as contas.
+- Módulo de Planejamento de Orçamento: Fornece ferramentas para criar e acompanhar orçamentos.
+- Módulo de Relatórios Financeiros: Gera relatórios financeiros detalhados para análise.
+- Módulo de Data Science: Utiliza técnicas de Data Science para fornecer insights mais profundos e previsões precisas.
 
-Se você não sabe por onde iniciar, não se preocupe! Use este documento como um guia para a construção da sua pesquisa e mergulhe fundo!
+## 5. Tecnologias Utilizadas
+O sistema será desenvolvido utilizando tecnologias modernas e seguras para garantir a confiabilidade e a segurança dos dados. As técnicas de Data Science serão implementadas usando bibliotecas de análise de dados e aprendizado de máquina.
 
-Sabemos que esse pode ser o seu primeiro projeto de Data Science. Queremos que você tenha um portfólio com um projeto mais aplicável e mais próximo do cotidiano de cientistas de dados. E, para isso, temos alguns lembretes para que você reflita quando for trabalhar. Então, mão na massa!
+## 6. Público-Alvo
+O sistema será projetado para ser fácil de usar para todos os membros da família, independentemente de sua experiência com tecnologia.
 
-É importante que você olhe para o seu projeto como um todo. Desde a concepção ao entendimento do negócio, a análise de dados e ao levantamento de hipóteses. Ou seja, ao chegar na solução aplicando machine learning, se atente para que seu projeto tenha começo, meio e fim. Lembrando que ter um fim não quer dizer que os resultados precisam ser perfeitos. O nosso problema é complexo e se seus resultados não forem os melhores do mundo, não há problemas. Dentro das limitações de tempo e de conceitos aprendidos na imersão, o mais relevante é ter entendido os processos relacionados ao desenvolvimento de uma solução de Data Science, desde a análise até o desenvolvimento dos modelos de Machine Learning. 
+## 7. Cronograma do Projeto
+O projeto será dividido em várias fases, cada uma com marcos claros e prazos definidos.
 
-Os critérios que utilizaremos para analisar os projetos foram divididos em duas etapas de observação, sendo elas:
+## 8. Resultados Esperados
+Ao final do projeto, a família terá uma ferramenta robusta e fácil de usar para gerenciar suas finanças, ajudando a melhorar a saúde financeira e a tomada de decisões. Além disso, o módulo de Data Science fornecerá insights valiosos e previsões precisas para auxiliar no planejamento financeiro.
 
-
-## Critérios de avaliação técnicos
-
-### Escopo do Projeto
-
-Delimitar qual será o escopo do seu projeto e colocá-lo em prática pode ser bastante desafiador, pois é um equilíbrio entre a sua criatividade e o tempo disponível. 
-
-Você pode se perguntar: Exploram pouco as possibilidades e tenho um estudo raso, ou explorar muitas possibilidades e não consigo fechar dentro do tempo? 
-
-Na dúvida, pondere e priorize o que está dentro do escopo do projeto, essa é uma tarefa fundamental. 
-
-### Estrutura do projeto
-
-É necessário que seu estudo seja bem organizado e estruturado, apresentando uma sequência lógica da análise. 
-
-O projeto precisa expressar e justificar qual a linha de raciocínio foi criada e seguida durante o processo de elaboração. 
-
-
-### Storytelling e conclusões
-
-Parte da entrega de um estudo é mostrar para a comunidade qual o valor do seu projeto, dessa forma, contextualizar e aproximar o(a) interlocutor(a) é vital. 
-
-É imprescindível que você pense que seu(sua) interlocutor(a), muitas vezes, não sabe do que o estudo trata e/ou não tem familiaridade com tecnologia e programação. Por isso, o notebook precisa ser explicativo de forma que a informação seja acessível para seu público alvo.
-
-As conclusões parciais e a conclusão final são ótimos momentos para que a informação que você extraiu dos dados seja facilmente entregue ao(à) leitor(a). Ademais, você pode adicionar na conclusão as limitações do seu projeto, bem como as ideias para projetos futuros. 
-
-### Pesquisas externas e cruzamento de dados
-
-Do ponto de vista do estudo, é importante que outras fontes de informações sejam utilizadas para colaborar na construção da argumentação do projeto. E, do ponto de vista técnico, isso mostra adaptabilidade e antecipação, pois o cruzamento de informações é um passo muito fundamental no seu amadurecimento enquanto Data Scientist.
-
-Porém, é preciso tomar bastante cuidado ao fazer essa junção: será avaliado o valor agregado à pesquisa, não somente as informações extras. 
-
-Um exemplo: você pode pesquisar na literatura científica artigos que falam sobre drug discovery, com informações que você julgue relevantes, e utilizar esses dados e informações na sua argumentação e no desenvolvimento do seu storytelling.
-
-## Critério de avaliação práticos
-
-Os critérios práticos são bastante objetivos e nítidos, cientista. Use esses critérios como lembretes sobre o conteúdo que deve produzir.
-
-- Os dados estão dentro do escopo? (É obrigatório o uso da base de dados usado na imersão de dados, que são inspirados no desafio proposto no Kaggle). 
-- Quando necessário, as variáveis foram tratadas?
-- Se houve criação de variáveis, as mesmas foram descritas? 
-- Ficou claro qual foi o modelo final escolhido e o que motivou a escolha?
-- O notebook tem uma narrativa convincente e coerente?
-- O projeto contém meios para visualizar dados (gráficos ou tabelas) que ajudam na argumentação dos pontos principais do cientista?
-- A bibliografia e fontes de dados alternativas foram citadas?
-- O projeto é inédito e houve cuidado para evitar plágio? 
-
-## Como iniciar seu projeto
-
-Para começar seu projeto, você deve criar um **Fork** do repositório pois dentro dele, contém toda a estrutura de pastas recomendada e também um arquivo README.md, no qual você deve reescrever, adicionando uma apresentação do seu projeto.
-
-### Como fazer um Fork:
-
-Primeiro, clicamos na opção Fork que fica no canto superior direito.
-
-![imagem mostrando no canto superior direito a opção Fork](https://user-images.githubusercontent.com/50880764/117156939-8c90d880-ad94-11eb-922e-8773b3c13bc6.png)
-
-Agora está tudo pronto, você terá uma cópia do repositório para iniciar o seu projeto. Conforme a imagem, abaixo, no canto superior esquerdo aparecerá o seu nome seguido do nome do repositório do projeto.
-
-![imagem mostrando repositório copiado para um novo usuário](https://user-images.githubusercontent.com/50880764/117156978-94507d00-ad94-11eb-8fe3-ffb33a645197.png)
-
-
-## Dicas
-
-### Organização de diretórios
-
-Nós já propomos uma estrutura de diretórios, com duas pastas separando os dados das análises: 
-
-
-- **Pasta Dados:** Onde ficarão os arquivos dos dados usados no projeto.
-- **Pasta Notebooks:** Onde ficarão os notebooks com suas análises.
-
-Na imagem abaixo, temos um highligth da pastas **Dados** e **Notebook**. Essa estrutura é uma sugestão você pode ficar a vontade em reorganizar conforme considerar o ideal para seu projeto. 
-
-![imagem mostrando a estrutura de pastas padrão do projeto no GitHub](https://user-images.githubusercontent.com/50880764/117161359-3756c600-ad98-11eb-98df-f56e35e6ea96.png)
-
-
-Ao realizar o **fork** deste repositório, o arquivo README.md é uma cópia deste arquivo que você está lendo agora. Para deixar o seu projeto com cara de portfólio você precisa modificar o arquivo README.md adicionando a motivação e detalhamento do seu projeto. Aqui vai algumas dicas para você editar o README.md no repositório que foi criado em sua conta do github.
-
-* Primeiro, vamos clicar na opção "editar esse arquivo" que fica no canto superior direito.
-![imagem indicando no canto superior direito a opção "editar esse arquivo"](https://user-images.githubusercontent.com/26041581/117192503-3170dd00-adb8-11eb-864f-988a8c9c0f55.png)
-
-* Depois podemos escrever o conteudo do readme na caixa Edit file
-![imagem indicando a caixa onde podemos editar o conteúdo do arquivo README](https://user-images.githubusercontent.com/26041581/117192548-3d5c9f00-adb8-11eb-8402-75af1dc5daab.png)
-
-* Quando terminarmos as alterações vamos para o final na página e procuramos pelo campo Commit changes onde podemos descrever nossas alterações e depois clicar na opção Commit changes.
-![imagem indicando campo no final da página onde podemos descrever nossas alterações e salvar nossas alterações](https://user-images.githubusercontent.com/26041581/117192564-42215300-adb8-11eb-83b0-d9f6887b8bd1.png)
-
-* Finalmente teremos um novo README agora com as nossas alterações
-![imagem indicando que nossas alterações foram salvas no README](https://user-images.githubusercontent.com/26041581/117192571-464d7080-adb8-11eb-9a70-2cef826ed24e.png)
-Como escrever um bom README:
-
-- Insira uma imagem;
-- Coloque o nome do projeto;
-- Descreva o projeto;
-- Apresente o objetivo do projeto;
-- Evidencie as particularidades do projeto;
-- Explique sobre a estrutura dos dados;
-- Exiba os links utilizados para a conclusão do projeto
-
-Links úteis:
-
-Materiais sobre **biologia** para você embasar seu projeto:
-
-- [Drug discovery: passado, presente e futuro](https://docs.google.com/document/d/10EhrQBChlyYIcff3to7PrCQi5HcNk2r-zd2ZCKPtcz8/edit?usp=sharing)
-- [Expressão gênica: o caminho da informação biológica](https://drive.google.com/file/d/1VNP08ffCiGD8cqaBkdHATWSX8Yxfm3dj/view?usp=sharing)
-
-Materiais para auxiliar o desenvolvimento do **README**:
-
-- [Criando anotações com Markdown](https://www.alura.com.br/artigos/criando-anotacoes-com-markdown)\
-
-- [Projeto de Data Science criado no Bootcamp](https://github.com/souzajvp/data_science_bootcamp/tree/main/modulo_final)
-
-Alguns projetos incrível dos nosso alunos para você se inspirar:
-
-- [Daiane Klein](https://colab.research.google.com/drive/1EwueEMQC_vLXf_oxN3w60itrvsHjrw8B?usp=sharing)
-
-- [Conrado Bittencourt](https://colab.research.google.com/drive/1QCRMnF-9cFRuOO_PrWpzj-UAclQuIomB?usp=sharing)
-
-- [Matheus Leite Llorente](https://colab.research.google.com/drive/1eca1wG-pkGT0IiPv4-vcpjur3tJjj-6e?usp=sharing)
-
-
-## Premiação
-
-Serão 10 bolsas de estudos integrais para o **Bootcamp de Data Science Aplicada Alura** , que começa dia **18 de maio de 2021**. O prêmio não poderá ser dividido ou revertido em dinheiro.
-
-### Quem pode participar?
-
-A premiação é exclusiva para participantes inscritos na #ImersãoDados 3° Edição. Participantes do Bootcamp de DataScience aplicada (Primeira edição) e premiados com bolsas nas imersões dados anteriores, não serão elegíveis a premiação. Mas estão convidados a enviar seus projetos para serem analisados. 
-
-### Prazo
-
-A submissão final deve ser feita até o dia 09/05/2021 (Domingo) 23h59 horário de Brasília.
-
-### Sobre o envio do Desafio
-
-Você deve submeter o link do seu repositório [neste Google Forms](https://docs.google.com/forms/d/e/1FAIpQLSfcuvhSoXlbggZeRG3Y28Vb9xwCs3MDNFLjSh3WyS96slRsZA/viewform?usp=sf_link). O repositório de submissão precisa estar público para que seja possível analisar seu projeto.
-
-
-### Regras para envio do desafio
-
-- É necessário informar o mesmo e-mail que foi utilizado no cadastrado da #imersãoDados.
-- O resultado será divulgado dia 10/05/2021 na Live de encerramento da #imersãoDados.
-- O repositório deve conter os topics #alura e #imersaoDados.
-- Não altere o repositório, após o horário de encerramento do desafio.
-- Qualquer alteração após esse horário será desconsiderada na avaliação.
-- Seja gentil :). Não somos especializados em competições e estamos fazendo esse desafio para te motivar e incentivar a comunidade de Data Science, espero que goste e se divirta.
-
-
-**Mergulhe fundo, é apenas o primeiro passo!**
+Espero que isso ajude a esclarecer o escopo do projeto! 😊