Análise de meta-datasets em nível de instância

• Processo: 24/07655-7
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de junho de 2024
• Situação: Interrompido
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação
• Pesquisador responsável: Ana Carolina Lorena
• Beneficiário: Diogo Bueno Rodrigues
• Instituição Sede: Divisão de Ciência da Computação (IEC). Instituto Tecnológico de Aeronáutica (ITA). Ministério da Defesa (Brasil). São José dos Campos , SP, Brasil
• Vinculado ao auxílio: 21/06870-3 - Além da seleção de algoritmos: meta-aprendizado para análise e entendimento de dados e algoritmos, AP.JP2
• Bolsa(s) vinculada(s): 24/16562-2 - Determinando limites empíricos de uma incorporação da dificuldade de um conjunto de dados utilizando o framework Instance Space Analysis, BE.EP.IC
• Assunto(s): Aprendizado computacional
• Palavra(s)-Chave do Pesquisador: Análise de meta dados | machine learning | Análise de meta dados com Machine Learning

Resumo

O Meta-learning (MtL) tradicionalmente tem se concentrado na análise de um conjunto de conjuntos de dados e como suas características se relacionam com o desempenho de classificação de Machine Learning (ML). No entanto, uma análise mais detalhada pode ser realizada no nível da instância, onde as características específicas de cada instância de um conjunto de dados são consideradas. Com base em trabalhos anteriores do grupo de pesquisa, este projeto de iniciação científica estudará e validará estudos de MtL no nível da instância e entenderá como eles podem contribuir para identificar possíveis problemas de qualidade de dados dentro de um conjunto de dados.