Inteligência Artificial e Arquivos: Contribuições à História da Arte e às Humanidades Digitais

• Processo: 23/16054-4
• Modalidade de apoio: Bolsas no Brasil - Programa Capacitação - Treinamento Técnico
• Data de Início da vigência: 01 de março de 2024
• Data de Término da vigência: 28 de fevereiro de 2026
• Área de conhecimento: Ciências Sociais Aplicadas - Arquitetura e Urbanismo
• Pesquisador responsável: Giselle Beiguelman
• Beneficiário: Thiago Galvão Hersan
• Instituição Sede: Faculdade de Arquitetura e Urbanismo (FAU). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Vinculado ao auxílio: 22/05946-9 - Acervos digitais e pesquisa: arte, arquitetura, design e tecnologia, AP.TEM
• Assunto(s): Arquivos digitais Ciência de dados Design Humanidades digitais Inteligência artificial Visão computacional
• Palavra(s)-Chave do Pesquisador: Arquivos Digitais | Ciência de dados | Design | Humanidades Digitais | Inteligência Artificial | Visão Computacional | Design de Informação

Resumo

Cientista de Dados com ênfase em Inteligência Artificial: responsável pelo desenvolvimento dos scripts de programação do projeto e sua articulação às diferentes redes que alimentarão o acervo dinâmico de arte, arquitetura e design, fruto da pesquisa desenvolvida no Projeto Temático Acervos Digitais e Pesquisa: arte, arquitetura e design.No âmbito do Projeto Temático Acervos Digitais e Pesquisa, este bolsista investigará métodos de classificação e catalogação de obras artísticas, arquitetônicas e de design com recursos de Inteligência Artificial, buscando compreender as novas possibilidades de arranjos e organização do conhecimento histórico pelas IAs e contribuindo para a discussão sobre métodos baseados em visão computacional na formação de um discurso crítico no campo das Humanidades Digitais.Plano de atividades:O bolsista terá as seguintes funções no projeto ao longo de 24 meses:Coleta de dados: construir scripts para busca e recuperação da informação em APIs, incluindo processamento de imagem para análise de grandes coleções de vídeos ou imagens estáticas;REST de mídias sociais com maior ênfase em ambiente Wikidata e Wikimedia Commons;Tratamento dos dados: construir scripts para normalização, limpeza e transformação dos dados e modelagem de banco de dados para armazenamento dos dados coletados;Modelos de Aprendizagem de Máquina: modelagem, customização, parametrização e disponibilização em ambiente de produção de modelos de aprendizagem de máquina, com maior ênfase em modelos deep learning e eventualmente LLMs em tecnologia universo Python (TensorFlow e Pytorch). A depender das demandas de experimentação do projeto, modelos mais simples providos por bibliotecas como Sci- kit Learn e Sci-kit Imagem serão utilizados;Carga de dados: interface com API-REST do software livre WordPress para entrega dos dados processados e consumo por aplicação de gestão da informação de acervos digitais Tainacan (https://wordpress.org/plugins/tainacan/).