Update app.py

A inclusão do dicionário HEADER_INFO.

app.py

@@ -2,7 +2,7 @@ import gradio as gr
 import pandas as pd
 import model_utils # Importa seu script de utilitários do modelo
 import warnings
-from typing import Tuple, Union # <--- Tuple e Union são necessários aqui
+from typing import Tuple, Union, List # <--- List adicionado aqui
 
 # Suprimir avisos de scikit-learn
 warnings.filterwarnings("ignore", category=UserWarning, module='sklearn')
@@ -10,6 +10,20 @@ warnings.filterwarnings("ignore", category=UserWarning, module='sklearn')
 # --- Configurações ---
 DATA_FILE = 'data.csv'
 
+# --- Informações do Cabeçalho para o Relatório LaTeX (fornecidas pelo usuário) ---
+HEADER_INFO = {
+    "universidade": "UNIVERSIDADE DE BRASÍLIA",
+    "departamento": "DEPARTAMENTO DE CIÊNCIA DA COMPUTAÇÃO",
+    "programa": "PROGRAMA DE PÓS-GRADUAÇÃO EM COMPUTAÇÃO APLICADA - PPCA",
+    "mestrado": "MESTRADO PROFISSIONAL",
+    "titulo_trabalho": "MODELAGEM PREDITIVA DE CHURN DE CLIENTES BANCÁRIOS UTILIZANDO REGRESSÃO LOGÍSTICA",
+    "identificacao_aedi": "AEDI",
+    "nome_aluno": "ÉDER MARCELO PONTES CUNHA",
+    "matricula_aluno": "Mat: 252106862",
+    "nome_professor": "Professor: Prof. João Gabriel de Moraes Souza.",
+}
+
+
 # --- Instanciar e Treinar o Modelo na Inicialização do Space ---
 model_pipeline = model_utils.ChurnModelPipeline()
 df_raw = None
@@ -25,7 +39,6 @@ except Exception as e:
 
 
 # --- Função de Previsão para a Interface Gradio ---
-# Esta função agora retorna a string de previsão E o DataFrame de input
 def predict_churn_interface(
     creditscore: int,
     geography: str,
@@ -83,16 +96,18 @@ def predict_churn_interface(
     except Exception as e:
         return f"Ocorreu um erro inesperado: {e}", pd.DataFrame()
 
-# Nova função para gerar o resumo e o PDF, acionada pelo botão na aba de resumo
-def _generate_summary_and_pdf(last_input_for_summary_state: pd.DataFrame) -> Tuple[str, Union[str, None], Union[str, None], Union[str, None], Union[str, None], Union[str, None]]:
+# Nova função para gerar o resumo em Markdown e o arquivo LaTeX
+def _generate_summary_and_latex_file(last_input_for_summary_state: pd.DataFrame) -> Tuple[str, Union[str, None], Union[str, None], Union[str, None], Union[str, None], Union[str, None]]:
     # Gerar o Markdown e os paths dos plots
-    summary_md, heatmap_path, odds_path, cm_path, roc_path = \
-        model_pipeline.get_model_summary_markdown(last_input_for_summary_state)
+    summary_md, latex_content_parts, plot_paths = \
+        model_pipeline._get_summary_latex_and_markdown_parts(last_input_for_summary_state)
     
-    # Gerar o PDF
-    pdf_path = model_pipeline.generate_summary_pdf(summary_md, heatmap_path, odds_path, cm_path, roc_path)
+    # Gerar o arquivo LaTeX
+    latex_file_path = model_pipeline.generate_latex_report(latex_content_parts, HEADER_INFO, plot_paths)
     
-    return summary_md, heatmap_path, odds_path, cm_path, roc_path, pdf_path
+    # Retorna o markdown para exibição no Gradio, os paths dos plots e o path do arquivo LaTeX para download
+    return summary_md, plot_paths.get('heatmap'), plot_paths.get('odds_ratios'), \
+           plot_paths.get('confusion_matrix'), plot_paths.get('roc_curve'), latex_file_path
 
 
 # --- Construir a Interface Gradio com Abas ---
@@ -152,11 +167,11 @@ with gr.Blocks(title="Detecção de Churn de Clientes Bancários") as demo:
         confusion_matrix_plot_output = gr.Image(label="Matriz de Confusão", show_label=True, interactive=False, height=400)
         roc_curve_plot_output = gr.Image(label="Curva ROC", show_label=True, interactive=False, height=400)
         
-        pdf_download_output = gr.File(label="Download do Relatório em PDF")
+        latex_download_output = gr.File(label="Download Relatório LaTeX (.tex)", file_count="single")
 
-        # Conectar o botão à função que gera o resumo em Markdown e os paths das imagens
+        # Conectar o botão à função que gera o resumo em Markdown, paths das imagens e o path do arquivo LaTeX
         summary_button.click(
-            fn=_generate_summary_and_pdf,
+            fn=_generate_summary_and_latex_file,
             inputs=[last_input_for_summary], # Passa o conteúdo do gr.State
             outputs=[
                 model_summary_output,
@@ -164,7 +179,7 @@ with gr.Blocks(title="Detecção de Churn de Clientes Bancários") as demo:
                 odds_ratio_plot_output,
                 confusion_matrix_plot_output,
                 roc_curve_plot_output,
-                pdf_download_output # Adicionado o componente de download de PDF
+                latex_download_output
             ]
         )