Memorial de projetos : a importância da estatística no desempenho de modelos de aprendizado de máquina

Abstract

Resumo: O presente memorial de projetos reúne e sistematiza as principais atividades e produções acadêmicas desenvolvidas ao longo da Especialização em Inteligência Artificial Aplicada da Universidade Federal do Paraná (UFPR). O curso teve como propósito possibilitar a compreensão teórica e prática de conceitos fundamentais de ciência de dados e aprendizado de máquina, proporcionando experiências aplicadas em diferentes contextos. Para tanto, foram realizados exercícios, estudos dirigidos e projetos práticos que abordaram desde fundamentos estatísticos e técnicas de regressão até a implementação de algoritmos supervisionados e não supervisionados, redes neurais e aplicações de processamento de linguagem natural. As atividades foram desenvolvidas de forma progressiva, permitindo a consolidação de conhecimentos técnicos e a experimentação de ferramentas amplamente utilizadas no mercado, como Python e bibliotecas especializadas em inteligência artificial. Como resultado, foi possível não apenas compreender o funcionamento dos métodos estudados, mas também aplicá-los em situações reais, fortalecendo a capacidade de análise crítica, resolução de problemas e desenvolvimento de soluções baseadas em dados. O memorial, portanto, reflete a trajetória acadêmica e prática construída ao longo da especialização, evidenciando a evolução do aprendizado e as perspectivas de aplicação futura da inteligência artificial em diferentes áreas profissionais

Abstract: This project report compiles and systematizes the main academic activities and outputs developed throughout the Specialization in Applied Artificial Intelligence at the Federal University of Paraná (UFPR). The course aimed to provide both theoretical and practical understanding of fundamental concepts in data science and machine learning, offering applied experiences in diverse contexts. To this end, exercises, guided studies, and practical projects were carried out, covering topics ranging from statistical foundations and regression techniques to the implementation of supervised and unsupervised algorithms, neural networks, and natural language processing applications. The activities were progressively developed, allowing the consolidation of technical knowledge and hands-on experimentation with widely used market tools, such as Python and specialized artificial intelligence libraries. As a result, it was possible not only to understand the functioning of the studied methods but also to apply them in real-world situations, enhancing critical analysis, problem-solving skills, and the development of data-driven solutions. Therefore, this report reflects the academic and practical trajectory built throughout the specialization, highlighting the evolution of learning and the future prospects for the application of artificial intelligence across different professional areas