Implementação de uma interface gráfica para uso de algoritmos de aprendizado de máquina

Abstract

O presente trabalho tem como objetivo o desenvolvimento de uma aplicação web destinada a facilitar o uso de algoritmos de aprendizado de máquina. A interface do usuário foi construída utilizando React, uma biblioteca JavaScript popular para a criação de interfaces dinâmicas e responsivas. Para o treinamento e a implementação dos modelos de aprendizado de máquina, foram utilizados Python, a biblioteca scikit-learn e o framework FastAPI, que permite a criação de uma API eficiente e de alta performance. A aplicação web proporciona aos usuários uma experiência interativa e educativa, permitindo a visualização e a experimentação com diferentes algoritmos de aprendizado de máquina. Os principais algoritmos abordados incluem regressão linear, árvores de decisão, máquinas de vetores de suporte (SVM), redes neurais artificiais, entre outros. A relevância deste projeto reside na crescente demanda por profissionais capacitados em aprendizado de máquina e na necessidade de ferramentas que tornem esse conhecimento acessível e compreensível. A aplicação proposta visa suprir essa lacuna, oferecendo um recurso valioso tanto para estudantes quanto para profissionais que desejam aprofundar seus conhecimentos na área. Este trabalho abre caminho para futuras melhorias e expansões, como a inclusão de mais algoritmos, a adição de funcionalidades avançadas de visualização de dados, e a implementação de técnicas mais complexas de aprendizado de máquina. Além disso, a aplicação pode evoluir para suportar diferentes formatos de dados e novos paradigmas de aprendizado, como aprendizado profundo e aprendizado por reforço.

This project aims to develop a web application designed to facilitate the teaching of machine learning through the use of various algorithms. The user interface was built using React, a popular JavaScript library for creating dynamic and responsive interfaces. For training and implementing the machine learning models, Python, the scikit-learn library, and the FastAPI framework will be used, enabling the creation of an efficient and high-performance API. The web application provides users with an interactive and educational experience, allowing them to visualize and experiment with different machine learning algorithms. The main algorithms covered include linear regression, decision trees, support vector machines (SVM), neural networks, among others. The relevance of this project lies in the growing demand for professionals skilled in machine learning and the need for educational tools that make this knowledge accessible and comprehensible. The proposed application aims to fill this gap, offering a valuable resource for both students and professionals seeking to deepen their understanding in the field. This project paves the way for future improvements and expansions, such as the inclusion of more algorithms, the addition of advanced data visualization features, and the implementation of more complex machine learning techniques. Additionally, the application can evolve to support different data formats and accommodate new learning paradigms, such as deep learning and reinforcement learning.