Upload 5 files

app.py

@@ -0,0 +1,62 @@
+import gradio as gr
+import joblib
+import numpy as np
+import pandas as pd  # Adicionado para criar DataFrame
+from tensorflow.keras.models import load_model  # Adicionado para modelos Keras
+
+# Carrega o modelo e o pré-processador
+model = load_model('best_model_mlp.h5')
+preprocessor = joblib.load('numerical_preprocessor.joblib')
+
+def classify_candidate(exp, excel, power_bi, tableau, ingles, IA, NLP):
+    # Cria um DataFrame (não array) com os inputs do usuário
+    input_data = pd.DataFrame([[
+        exp, excel, power_bi, tableau, ingles, IA, NLP
+    ]], columns=[
+        "experiencia", "excel", "power_bi", "tableau", "ingles", "IA", "NLP"
+    
+    ])
+    
+    # Aplica o pré-processamento
+    processed_data = preprocessor.transform(input_data)
+    
+    # Predição (modelo Keras retorna probabilidades diretamente)
+    probability = model.predict(processed_data, verbose=0)[0][0]  # Assume saída binária
+    prediction = 1 if probability >= 0.5 else 0
+    
+    # Formatação do resultado
+    if prediction == 1:
+        result = "<span style='color: green; font-size: 20px;'>✅ APTO</span>"
+    else:
+        result = "<span style='color: red; font-size: 20px;'>❌ INAPTO</span>"
+    
+    details = f"Probabilidade: {probability*100:.2f}% (Apto)"
+    return result, details
+
+# Define os inputs da interface
+inputs = [
+    gr.Slider(0, 10, step=1, label="Anos de Experiência em Ciência de Dados"),
+    gr.Slider(0, 5, step=1, label="Proficiência em Excel"),
+    gr.Slider(0, 5, step=1, label="Proficiência em Power BI"),
+    gr.Slider(0, 5, step=1, label="Proficiência em Tableau"),
+    gr.Slider(0, 5, step=1, label="Proficiência em Inglês"),
+    gr.Slider(0, 5, step=1, label="Proficiência em IA/ML"),
+    gr.Slider(0, 5, step=1, label="Proficiência em NLP"),
+]
+
+# Outputs
+outputs = [
+    gr.HTML(label="Resultado da Classificação"),
+    gr.Textbox(label="Detalhes")
+]
+
+# Cria a interface
+interface = gr.Interface(
+    fn=classify_candidate,
+    inputs=inputs,
+    outputs=outputs,
+    title="Classificador de Candidatos - Cientista de Dados",
+    theme="soft"
+)
+
+interface.launch()

best_model_mlp.h5

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:06029c26ca2fc8bc80d2ed057c593ae60b89c22f5c58729f99ad63eb594e629a
+size 52496

numerical_preprocessor.joblib

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:87cf73d72c1339a2c26625e8d25422b00eeba80125b1ff2c482703c5f3eeefa1
+size 2472

requirements.txt

@@ -0,0 +1,20 @@
+<<<<<<< HEAD
+gradio
+langchain
+langchain-community
+openai
+python-dotenv
+PyPDF2
+pypdf
+faiss-cpu
+=======
+gradio
+langchain
+langchain-community
+openai
+python-dotenv
+PyPDF2
+pypdf
+faiss-cpu
+>>>>>>> c759364606b43d8365c6a590adb1b980b00214ba
+sentence-transformers