Aprendizado de Máquina Automático para Classificação Multirrótulo

• Processo: 24/19234-6
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de fevereiro de 2025
• Data de Término da vigência: 31 de janeiro de 2027
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Proposta de Mobilidade: SPRINT - Projetos de pesquisa - Mobilidade
• Pesquisador responsável: Ricardo Cerri
• Beneficiário: Ricardo Cerri
• Pesquisador Responsável no exterior: Isaac Triguero Velazquez
• Instituição Parceira no exterior: University of Nottingham, University Park, Inglaterra
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Pesquisadores associados: Diego Furtado Silva
• Vinculado ao auxílio: 22/02981-8 - Detecção de novidade em fluxos contínuos de dados multirrótulo, AP.PNGP.PI
• Assunto(s): Classificação multirrótulo Aprendizado computacional
• Palavra(s)-Chave do Pesquisador: AutoML | Classificacao Multirrotulo | Inteligência Artificial de Propósito Geral | Aprendizado de Máquina

Resumo

O Aprendizado de Máquina Automático (AutoML) é um campo de pesquisa emergente que visa encontrar soluções automáticas de Aprendizado de Máquina (AM) para vários problems. Usando recursos computacionais limitados, o AutoML automatiza a construção de pipelines de AM, incluindo preparação de dados, engenharia de atributos, geração de modelos e tarefas de avaliação de modelos. O AutoML pode potencialmente reduzir erros humanos ao projetar soluções de AM, aumentando a confiança nos resultados e tranquilizando o público. Uma tarefa desafiadora que pode se beneficiar do AutoML é a classificação multirrótulo, onde uma instância pode ser classificada simultaneamente em duas ou mais classes. Várias aplicações podem ser encontradas em bioinformática, processamento de imagem e texto e categorização de música e produtos. Embora existam diferentes estratégias para encontrar os melhores classificadores para problemas multirrótulo, elas geralmente são especializadas em conjuntos de dados específicos e usam um espaço de busca limitado de classificadores. Neste projeto, usaremos o AutoML como um Sistema de Inteligência Artificial de Propósito Geral (GPAIS), propondo um novo método que atua como um especialista em IA, determinando quais algoritmos e/ou componentes (e hiperparâmetros) são mais adequados para uma gama de conjuntos de dados de classificação multirrótulo para diferentes domínios. Isso é conhecido como GPAIS de mundo fechado. Nossa proposta pode usar diferentes estratégias, como otimização multi-objetivo para pesquisar o espaço de possíveis soluções e modelos substitutos para acelerar os tempos de execução. Esta é a primeira proposta para um sistema AutoML de propósito geral adaptado a domínios contendo diferentes conjuntos de dados de classificação multirrótulo. Os parceiros brasileiros desta proposta são pesquisadores do Projeto IARA (Inteligência Artificial na Reconstrução de Ambientes Urbanos) financiado pela FAPESP, uma colaboração nacional conjunta envolvendo universidades e empresas no Brasil. Assim, os classificadores construídos podem ser aplicados a problemas relacionados a cidades inteligentes, como categorizar materiais de construção deixados em locais ilegais, como calçadas. (AU)