Objetivo

Desenvolver, por grupos de até três alunos, um projeto interdisciplinar que integre os seguintes elementos:

Pipeline de dados da ingestão (open‑source ou via APIs) à entrega/visualização.
Análise exploratória e visualização avançada.
Transformação e preparação para modelagem.
Aplicação prática de Modelos de Linguagem Grande (LLM) em um cenário realístico escolhido pelos alunos em conjunto com o professor.
Discussão sobre implicações éticas e de viabilidade tecnológica do uso de LLMs.

Estrutura do Projeto

Etapa	Descrição resumida
Definição do Tema	Escolha temática (ex.: análise de sentimento em redes sociais, previsão de churn corporativo, detecção de fake news) e escopo de aplicação LLM.
Coleta de Dados	Aquisição via APIs REST, web‑scraping, repositórios públicos (Kaggle, UCI ML Repository).
Exploração e Visualização	Estatísticas descritivas, histogramas, boxplots, heatmaps, dashboards interativos (Plotly Dash / Streamlit).
Transformaçãode Dados	Limpeza, imputação, codificação de variáveis categóricas, normalização/estandardização, geração de embeddings.
Modelagem	Classificadores/regressões clássicos (Random Forest, XGBoost) e comparação com LLM.
Integração LLM	Fine‑tuning ou prompt‑engineering para tarefa específica; avaliação qualitativa/quantitativa.
Avaliação & Métricas	Accuracy, F1‑score, ROC‑AUC, BLEU (para geração), Human‑in‑the‑Loop feedback.
Documentação & Apresentação	Relatório técnico (10 páginas) + Slides de apresentação + Código aberto no GitHub.

Entregável	Formato
Relatório Técnico	PDF (cerca de 10 páginas) com metodologia, resultados e discussões éticas
Apresentação Oral	Slides (Beamer/PowerPoint), 15 minutos + Q&A
Código Fonte	Repositório GitHub/Bitbucket com README detalhado
Dataset Processado	Arquivo CSV/Parquet/etc. e script de ingestão
Dashboard Interativo	App Streamlit/Dash

Desempenho do Projeto: Qualidade do Pipeline de Dados, da Modelagem, da aplicação de LLM, etc.
Discussão Ética e Viabilidade: Reflexão crítica sobre viés, privacidade, custos computacionais e impactos sociais.
Entregáveis e Apresentação: Clareza, estrutura acadêmica, qualidade visual, domínio da linguagem científica, coerência entre relatório e slides.

Reprodutibilidade
- Utilizar requirements.txt / environment.yml.
- Versionar scripts de coleta e transformação no repositório.
- Registrar versões de bibliotecas (p.ex., pip freeze > requirements.txt).
Ética e Conformidade
- Garantir que dados coletados estejam em conformidade com GDPR/Lei Geral de Proteção de Dados (LGPD).
- Anonimizar identificadores pessoais antes do uso em LLMs.
- Documentar possíveis fontes de viés e estratégias mitigadoras.
Documentação
- Seguir estrutura acadêmica: Resumo, Introdução, Metodologia, Resultados, Discussão, Conclusões, Referências.
- Incluir código em notebooks (Jupyter) ou scripts executáveis; os notebooks devem conter comentários explicativos.
Apresentação
- Usar diagramas de fluxo e gráficos claros que sintetizem o pipeline completo.
- Incluir demonstração curta do sistema em ação.