Update README.md

README.md

@@ -3,17 +3,92 @@ title: CrediFast Risk Analysis
 emoji: 🚀
 colorFrom: red
 colorTo: red
-sdk: docker
+sdk: streamlit
 app_port: 8501
 tags:
 - streamlit
 pinned: false
 short_description: Streamlit template space
+license: mit
 ---
+💰 Dashboard de Análise de Risco de Crédito - CrediFast
 
-# Welcome to Streamlit!
+Prova Final - Disciplina SIEP
+Análise Preditiva, Diagnóstico e Estratégia de Negócio
 
-Edit `/src/streamlit_app.py` to customize this app to your heart's desire. :heart:
+📋 Sobre o Projeto
 
-If you have any questions, checkout our [documentation](https://docs.streamlit.io) and [community
-forums](https://discuss.streamlit.io).
+Este painel interativo foi desenvolvido como requisito para a avaliação final da disciplina SIEP. O objetivo é fornecer uma solução completa de Data Science para a fintech CrediFast, abordando desde o diagnóstico do problema de inadimplência até a implementação de modelos de Machine Learning explicáveis (XAI) para suporte à decisão.
+
+🎯 Objetivos Atendidos
+
+Diagnóstico: Identificação de desbalanceamento de classes e aplicação de SMOTE.
+
+Modelagem: Comparação de múltiplos algoritmos e seleção do XGBoost (focado em Recall para mitigar prejuízos).
+
+Explicabilidade (SHAP): Análise global e local (waterfall plots) para entender o "porquê" de cada decisão.
+
+Clusterização: Segmentação não supervisionada (KMeans) e detecção de anomalias (DBSCAN).
+
+Simulação: Ferramenta interativa para simular novos pedidos de empréstimo em tempo real.
+
+🚀 Como Executar (Deploy)
+
+Opção 1: Hugging Face Spaces (Recomendado para Entrega)
+
+Este projeto está pronto para rodar na nuvem. Siga os passos:
+
+Crie um novo Space no Hugging Face.
+
+Selecione o SDK Streamlit.
+
+Faça o upload dos seguintes arquivos na aba "Files":
+
+app.py (Código da aplicação)
+
+requirements.txt (Lista de dependências)
+
+credit_risk_dataset.csv (Base de dados do Kaggle)
+
+O sistema irá construir o ambiente automaticamente. Aguarde o status mudar para "Running".
+
+Opção 2: Execução Local
+
+Para rodar em sua máquina:
+
+Instale as dependências:
+
+pip install -r requirements.txt
+
+
+Execute o app:
+
+streamlit run app.py
+
+
+📂 Estrutura dos Arquivos
+
+app.py: O "cérebro" da aplicação. Contém todo o pipeline (limpeza, treino, dashboard).
+
+requirements.txt: Garante que as versões corretas das bibliotecas (xgboost, shap, plotly) sejam instaladas.
+
+credit_risk_dataset.csv: O conjunto de dados original utilizado para treino e teste.
+
+📊 Funcionalidades do Dashboard
+
+O aplicativo é dividido em 5 abas estratégicas + Barra Lateral:
+
+Simulador (Sidebar): Permite inserir dados de um cliente fictício (Renda, Idade, Valor) e receber a probabilidade de calote na hora.
+
+Aba 1 - Diagnóstico: Visualização da distribuição dos dados e prova do desbalanceamento original.
+
+Aba 2 - Performance: Métricas técnicas (AUC, Recall, Matriz de Confusão) do modelo vencedor.
+
+Aba 3 - SHAP (Explicabilidade): Gráficos que abrem a "caixa preta" do modelo, mostrando quais variáveis pesaram na decisão.
+
+Aba 4 - Segmentação: Mapa 2D (PCA) mostrando os grupos de clientes (KMeans) e outliers (DBSCAN).
+
+Aba 5 - Relatório Gerencial: Texto automático com insights de negócio e plano de ação para a diretoria.
+
+Autor: Bruna Campos Bernardes 
+Data: Dezembro/2025