Análise de Dados da SpaceX: Insights sobre o Pouso do Falcon 9

Introdução

A SpaceX revolucionou a indústria espacial com seus foguetes Falcon 9, oferecendo lançamentos a preços muito competitivos (62 milhões de dólares), enquanto outras empresas cobram mais de 165 milhões de dólares. Essa diferença se deve à capacidade da SpaceX de reutilizar o primeiro estágio do foguete.

Neste projeto, vamos construir um modelo de Machine Learning para prever o sucesso do pouso do primeiro estágio do Falcon 9. Essa previsão é crucial para empresas que competem com a SpaceX, permitindo que elas estimem os custos de lançamento e façam ofertas mais competitivas.

Contexto do Projeto

Este projeto final faz parte da especialização IBM Data Science Professional Certificate e aplica os conhecimentos adquiridos ao longo do curso. O objetivo é responder às seguintes perguntas:

• Como variáveis como massa da carga útil, local de lançamento, número de voos e órbitas afetam o sucesso do pouso do primeiro estágio?
• A taxa de pousos bem-sucedidos aumenta ao longo dos anos?
• Qual o melhor algoritmo para classificação binária neste caso?

Metodologia

1. Coleta de Dados:

   • API da SpaceX
   • Web Scraping da Wikipedia

2. Preparação dos Dados:

   • Filtragem
   • Tratamento de valores ausentes
   • Codificação One-Hot para classificação binária

3. Análise Exploratória de Dados (EDA):

   • Visualização
   • SQL

4. Visualização Analítica Interativa:

   • Folium
   • Plotly Dash

5. Análise Preditiva:

   • Construção, ajuste e avaliação de modelos de classificação

Estrutura do Repositório

• data/: Dados e scripts relacionados.
• notebooks/: Jupyter notebooks com a documentação do projeto.
• scripts/: Scripts em Python para processamento, visualização e modelagem.
• dash_app/: Código do aplicativo interativo Plotly Dash.

Resultados

O projeto construiu um modelo de Machine Learning capaz de prever o sucesso do pouso do primeiro estágio do Falcon 9 com alta precisão. O modelo de Árvore de Decisão obteve o melhor desempenho, com uma acurácia de 94,44%.

Conclusão

Este projeto demonstra como a Ciência de Dados pode ser aplicada para gerar insights valiosos no setor espacial. As previsões geradas pelo modelo podem auxiliar empresas a tomar decisões estratégicas em relação aos custos de lançamento e à competitividade no mercado.