Exibir código-fonte para Formação Técnicas IA

= Participantes =
<br>

* '''Orientadores''': 
** Luigi Negrini
** Luiz Cláudio Theodoro
<br>

* '''Time''' inicial:
** Giovana Amaral
** Pesquisadores em fase de contratação
<br>

=  '''Roadmap''' =
* https://roadmap.sh/
<br>

= Material de estudo =
<br>

* Documentação scikit-learn [[https://scikit-learn.org/stable/user_guide.html]]
* Classificação x Regressão x Clusterização [[https://medium.com/@chandu.bathula16/understanding-classification-regression-and-clustering-in-machine-learning-machine-learning-8b77b4b27c87]]
* Métricas de avaliação de um modelo [[https://medium.com/data-hackers/principais-m%C3%A9tricas-de-classifica%C3%A7%C3%A3o-de-modelos-em-machine-learning-94eeb4b40ea9]]
* Feature Importance (exemplo com Randon Forest) [[https://medium.com/lets-data/desvendando-a-import%C3%A2ncia-das-features-em-data-science-102b1d2def2e]]
* Obter acesso ao dataset do case.
<br>

=  '''Escopo''' =
* Fundamentos de Inteligência Artificial
** O que é IA? Tipos e aplicações;
** Introdução a tratativa de dados;
** Python para IA: NumPy, Pandas, matplotlib e sklearn.
*** Entrega: Realizar a leitura via código de um dataset, direcionando uma possível tratativa dos dados.
<br>

* Aprendizado de Máquina
** Aprendizado supervisionado x não supervisionado;
** Classificação x Regressão x Clusterização;
** Métricas de avaliação de modelos.
*** Entrega: Levantamento de situações que cada tipo de aprendizado é relevante e o que é cada métrica de avaliação.
<br>

* Classificação
** Decision Trees, Random Forest e outros classificadores;
** Feature Importance.
*** Entrega: Treinar um modelo de classificação em um dataset atribuído, apresentar métricas de desempenho e o feature importance.
<br>

* 04. Clusterização
** Hierarchical clustering e outras técnicas;
** Avaliação de performance em clusterização.
*** Entrega: Treinar um modelo de clusterização em um dataset atribuído e avaliar sua performance.
<br>

=  '''Metodologia''' =
* ''Justo'': o desenvolvimento se adequa ao perfil de cada um. Primeiro é feita uma avaliação de conhecimentos. A partir daí são definidos os conteúdos que ele deverá assimilar e a rota que deverá percorrer. Resumindo, os tópicos que cada um deverá estudar serão definidos de acordo com o perfil, carga horária, capacidade e interesse.
* ''Autodidata'': Não haverá professores e sim, orientadores. O aluno completará uma sequência pré-definida para aprendizado de alguns conhecimentos recebendo um material básico onde terá liberdade para estudo. Terão sempre a disposição alguém para consulta em caso de dúvidas.
* ''Colaborativo'': A partir do momento que se inicia uma caminhada cada passa a fazer parte do grupo de discussão onde haverão interações presenciais ou virtuais, boa parte das vezes com os orientadores ou com especialistas. Com esse formato, cada um tem toda a liberdade de questionar, trocar informações e atualizar-se sobre vários quesitos de forma bem produtiva.
* ''Intenso'': Na rota escolhida, o estudante será solicitado em várias atividades que exigirão muita atenção portanto requer disciplina, foco e dedicação. Sempre haverá um escopo bem definido e datas para conclusão para cada atividade. Em tese, sempre haverá algo para estudar, desenvolver, escrever ou testar.
<br>

= '''Integração Contínua''' =
[[Arquivo: ContinuousIntegration+.png|center|link|Ambiente de Integração Contínua|center|600px]]
<br>


= '''Case 1''' =
* Identificar qual a técnica mais adequada para um problema de gerenciamento de rede e correlação de alarmes, justificando a escolha do modelo; 
* Embasar a justificativa na comparação dos resultados com mais de uma técnica de treinamento;
* Caso haja mais de uma pessoa realizando a formação, é indicado o debate e comparação de outras técnicas diferentes das que foram mencionadas explicitamente no escopo.
<br>

= '''Case 2''' =
* A ser definido.

= '''Próximos passos''' =
* 1. Enquadramento
* 2. Estudo do tópico
* 3. Avaliação do aprendizado
* 4. Desenvolvimento
* 5. Entrega
* 5. Retorna passo 2
* 6. Inovação
<br>

= '''Reuniões''' =
* As reuniões semanalmente em horário a ser marcado

= Enquadramento =

* Kick-off: 00/00/0000 - 00h00
**

= Estudo dos Tópicos =
<br>

{| class="wikitable"
|-
!Tópico !!Tempo de estudo!!Orientador!!Material
|-
|	Tópico 1|| xx horas ||Luiz Cláudio|| 
|-
|}
<br>

= Entrega =
<br>>