| Linha 3: | Linha 3: | ||
* '''Orientadores''': | * '''Orientadores''': | ||
** Luigi Negrini | |||
** Luiz Cláudio Theodoro | ** Luiz Cláudio Theodoro | ||
<br> | <br> | ||
* '''Time''' inicial: | * '''Time''' inicial: | ||
** | ** Giovana Amaral | ||
** Pesquisadores em fase de contratação | |||
<br> | <br> | ||
Edição das 10h12min de 19 de fevereiro de 2025
Participantes
- Orientadores:
- Luigi Negrini
- Luiz Cláudio Theodoro
- Time inicial:
- Giovana Amaral
- Pesquisadores em fase de contratação
Roadmap
Material de estudo
- Documentação scikit-learn [[1]]
- Classificação x Regressão x Clusterização [[2]]
- Métricas de avaliação de um modelo [[3]]
- Feature Importance (exemplo com Randon Forest) [[4]]
- Obter acesso ao dataset do case.
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, matplotlib 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
- Identificar qual a técnica mais adequada para um problema de gerenciamento de rede e correlação de alarmes, justificando a escolha do modelo. Embase 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.
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
>