| Linha 27: | Linha 27: | ||
= '''Escopo''' = | = '''Escopo''' = | ||
:: 01.Fundamentos de | :: 01.Fundamentos de Inteligência Artificial | ||
:: 01.1 Introdução | :: 01.1 O que é IA? Tipos e aplicações; | ||
:: | :: 01.2 Introdução a tratativa de dados; | ||
:: 02. | :: 01.3 Python para IA: NumPy, Pandas e sklearn. | ||
:: 02.1 | :: Entrega: Realizar a leitura via código de um dataset, direcionando uma possível tratativa dos dados. | ||
:: 02.2 | |||
:: 02.3 | :: 02. Aprendizado de Máquina | ||
:: 03 | :: 02.1 Aprendizado supervisionado x não supervisionado; | ||
:: 03.1 | :: 02.2 Classificação x Regressão x Clusterização; | ||
:: 03.2 | :: 02.3 Métricas de avaliação de modelos. | ||
:: 04 | :: Entrega: Levantamento de situações que cada tipo de aprendizado é relevante e o que é cada métrica de avaliação. | ||
:: 04.1 | |||
:: 04.2 | :: 03. Classificação | ||
:: 03.1 Decision Trees, Random Forest e outros classificadores; | |||
:: 03.2 Feature Importance. | |||
:: Entrega: Treinar um modelo de classificação em um dataset atribuído, apresentar métricas de desempenho e o feature importance. | |||
:: 04. Clusterização | |||
:: 04.1 Hierarchical clustering e outras técnicas; | |||
:: 04.2 Avaliação de performance em clusterização. | |||
:: Entrega: Treinar um modelo de clusterização em um dataset atribuído e avaliar sua performance. | |||
<br> | <br> | ||
Edição das 19h56min de 18 de fevereiro de 2025
Participantes
- Orientadores:
- Luiz Cláudio Theodoro
- Time inicial:
Roadmap
Material de estudo
- Cyberglossary Fortinet [[1]]
- IEEE [[2]] - verificar se temos esse acesso
- FreeRadius Guide Wiki [[3]]
- Authentication Authorization and Accounting Configuration Guide Cisco IOS XE Release 3S [[4]]
- Cisco [[5]]
Escopo
- 01.Fundamentos de Inteligência Artificial
- 01.1 O que é IA? Tipos e aplicações;
- 01.2 Introdução a tratativa de dados;
- 01.3 Python para IA: NumPy, Pandas e sklearn.
- Entrega: Realizar a leitura via código de um dataset, direcionando uma possível tratativa dos dados.
- 02. Aprendizado de Máquina
- 02.1 Aprendizado supervisionado x não supervisionado;
- 02.2 Classificação x Regressão x Clusterização;
- 02.3 Métricas de avaliação de modelos.
- Entrega: Levantamento de situações que cada tipo de aprendizado é relevante e o que é cada métrica de avaliação.
- 03. Classificação
- 03.1 Decision Trees, Random Forest e outros classificadores;
- 03.2 Feature Importance.
- Entrega: Treinar um modelo de classificação em um dataset atribuído, apresentar métricas de desempenho e o feature importance.
- 04. Clusterização
- 04.1 Hierarchical clustering e outras técnicas;
- 04.2 Avaliação de performance em clusterização.
- Entrega: Treinar um modelo de clusterização em um dataset atribuído e avaliar sua performance.
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.
Integração Contínua
Case
- Ambiente ativo no freeRadius com implementação de funções de AAA para uma situação qualquer (ex.: envio de mensagens).
Próximos passos
- 1. Enquadramento
- 2. Estudo do tópico
- 3. Avaliação do aprendizado
- 4. Desenvolvimento
- 5. Entrega
- 5. Retorna passo 2
- 6. Inovação
Reuniões
- As reuniões acontecerão às
Enquadramento
- Kick-off: 00/00/0000 - 00h00
Estudo dos Tópicos
| Tópico | Tempo de estudo | Orientador | Material |
|---|---|---|---|
| Tópico 1 | xx horas | Luiz Cláudio |
Entrega
>