Memorial de projetos : aspectos éticos da inteligência artificial

Abstract

Resumo: Este memorial apresenta a síntese dos principais projetos desenvolvidos ao longo da pós-graduação em Inteligência Artificial, com ênfase na aplicação prática e na consolidação dos fundamentos teóricos que sustentam áreas como machine learning, deep learning e redes neurais artificiais. O tema para o parecer técnico é sobre os aspectos Éticos empregados a Inteligência artificial, seus desafios, privacidade e responsabilidade. Os trabalhos realizados abordaram a construção de modelos preditivos, análise de dados e treinamento de redes neurais por meio das linguagens Python e R, com suporte das bibliotecas e frameworks especializados como TensorFlow. A diversidade de temáticas exploradas nos projetos, aplicadas a diferentes domínios de dados permitiu ao aluno exercitar a generalização das técnicas de IA e compreender suas limitações, promovendo uma formação sólida e transversal. Destaca-se, entre os projetos com maior relevância prática, a criação de redes neurais artificiais para reconhecimento de padrões e classificação de dados complexos, resultado da aplicação de arquiteturas profundas e técnicas de ajuste fino de parâmetros. Além da implementação técnica, o memorial também aborda aspectos relacionados à interpretação dos resultados, à curadoria dos dados utilizados e à avaliação dos modelos, reforçando a importância de uma visão crítica sobre o ciclo completo do desenvolvimento em IA. Os projetos apresentados evidenciam a progressão das competências adquiridas e a capacidade de integrar teoria e prática na resolução de problemas reais, contribuindo para o amadurecimento profissional e acadêmico do autor e refletindo o compromisso com o uso ético e eficiente da Inteligência Artificial no contexto contemporâneo

Abstract: This memorial presents a summary of the main projects developed throughout the postgraduate course in Artificial Intelligence, with an emphasis on practical application and consolidation of the theoretical foundations that support areas such as machine learning, deep learning, and artificial neural networks. The technical report focuses on the ethical aspects of artificial intelligence, its challenges, privacy, and responsibility. The work involved building predictive models, analyzing data, and training neural networks using Python and R, supported by specialized libraries and frameworks such as TensorFlow. The diverse themes explored in the projects, applied to different data domains, allowed students to practice generalizing AI techniques and understanding their limitations, providing a solid, cross-disciplinary education. Among the projects with the greatest practical relevance is the creation of artificial neural networks for pattern recognition and classification of complex data, resulting from the application of deep architectures and parameter fine-tuning techniques. In addition to the technical implementation, the report also addresses aspects related to the interpretation of results, data curation, and model evaluation, reinforcing the importance of a critical view of the full AI development cycle. The projects presented demonstrate the progression of acquired skills and the ability to integrate theory and practice in solving real-world problems, contributing to the author's professional and academic development and reflecting his commitment to the ethical and efficient use of Artificial Intelligence in the contemporary context