Suporte para ambiente computacional e execução de experimentos: aprendizado fracamente supervisionado e fusão de métodos de classificação

Resumo

Em geral, técnicas de aprendizado de máquina baseiam-se em grandes conjuntos de dados rotulados para construir modelos preditivos, em especial técnicas baseadas em aprendizado profundo, que têm sido amplamente utilizadas com sucesso em vários domínios. Em contrapartida, é comum a insuficiência de conjuntos de dados rotulados para treinamento de modelos supervisionados efetivos. Neste cenário, destaca-se como promissor o uso de abordagens fracamente supervisionadas, capazes de realizar tarefas de aprendizado com base em conjuntos rotulados incompletos ou inexatos. No projeto de pesquisa associado, investigamos a análise, recuperação e classificação de objetos multimídia utilizando pequenos conjuntos de treinamento. O objetivo principal do projeto consiste em investigar e propor métodos capazes de analisar sequências de vídeo comprimido e gerar alertas de acordo com as aplicações consideradas. Tais abordagens podem ser úteis e relevantes em vários domínios, desde ambientes de vigilância, aplicações médicas e industriais, incluindo também casas inteligentes. A realização da pesquisa requer a execução de códigos e a instalação de arcabouços de software recentes. Além disso, é crucial a necessidade de execução e monitoramento de experimentos, frequentemente de longa duração. A bolsa de treinamento em questão tem como principal objetivo prover suporte a estas tarefas. (AU)