Introdução

A prática de aprendizado profundo é um processo cíclico e empírico com três etapas principais: (1) ideia, (2) implementação e (3) avaliação. Até agora, os trabalhos práticos focaram na segunda etapa, onde os problemas de aprendizado eram pré-definidos e você tinha que implementar uma RNA para resolver esse problema. No projeto final, você terá a experiência completa de um projeto de aprendizado com redes neurais. O projeto será divido em três etapas. Na primeira você irá propor um problema de aprendizado de seu interesse. Na segunda, uma arquiteura de rede para resolver esse problema e uma metodologia experimental para avaliar o desempenho do modelo treinado. Por fim, na terceira etapa você irá implementar, treinar e avaliar modelo com os dados e arquitetura propostos. Ao final do projeto, você irá entregar o modelo neural treinado, o código fonte para reproduzir seus resultados e um relatório técnico discutindo os resultados obtidos.

Objetivo

O objetivo principal desse projeto é iterar algumas vezes no ciclo de um projeto de aprendizado com redes neurais, visando consolidar os conceitos teóricos apresentados ao longo da disciplina e desenvolver habilidades práticas de projeto e implementação de redes neurais.

Instruções

Nessa primeira etapa, você irá propor o problema de aprendizado que deseja trabalhar e o conjunto de dados que pretende utilizar para treinar uma RNA que resolve esse problema. O conjunto de dados deve ser não-estruturado (e.g., texto, imagens, vídeo, áudio, etc), ou seja, você não poderá trabalhar com dados tabulares. Essa proposta deve ser entregue em uma Apresentação Google com 5-7 slides, contendo os seguintes slides:

  1. Título e Autores (1 slide)

    Apresente o título do projeto, o nome dos membros do grupo (máximo 3 alunos), o nome da disciplina e o semestre atual (2023/2).

  2. Introdução (1-2 slides)

    Especifique o problema que pretende resolver, incluindo as motivações para o uso de RNAs e os objetivos específicos que pretende alcançar com a solução do problema.

  3. Descrição (1 slide)

    Descreva brevemente o conjunto de dados que pretende utilizar. Inclua estatísticas básicas como o número de exemplos e a distribuição de rótulos (no caso de classificação). Apresente alguns exemplos (e.g., imagens, trechos de texto, videos, etc) representativos dos dados.

  4. Aquisição (1 slide):

    Liste, em formato tutorial, os passos necessários para a coleta dos dados, de tal maneira que outro pesquisador consiga reproduzir esse processo. Caso o conjunto de dados já esteja disponível publicamente na Internet, adicione os links para download. Caso você for criar o conjunto de dados, descreva passo a passo como isso será feito.

  5. Preparação (1 slide)

    É muito comum que dados precisem de pré-processamento (e.g., normalização, limpeza, remoção de duplicatas, etc) antes de serem utilizados para treinamento. Descreva que tipo de pré-processamento você espera utilizar nos seus dados.

  6. Divisão dos dados (1 slides)

    Aprensente quais as porcentagens que pretende utilizar para dividir o seu conjunto de dados em treinamento, validação e teste.

Submissão

Para entregar a sua apresentação, envie o link da sua apresentação na tarefa PF: Proposta de Problema do PVANet. Apenas um membro do grupo precisa fazer a submissão.