Uma introdução à Otimização com aplicações em Aprendizado de Máquina

Abstract

Este trabalho de Iniciação Científica teve como objetivo estudar os fundamentos da Otimização e suas aplicações em Aprendizado de Máquina. Inicialmente, revisamos conceitos de convexidade, algoritmos de otimização irrestrita e com restrições, e exploramos as condições de otimalidade. A metodologia aplicada incluiu uma abordagem teórica combinada com simulações computacionais, utilizando redes neurais do tipo LSTM (Long Short-Term Memory) para prever padrões de erro em estruturas moleculares de proteínas. As simulações foram realizadas em uma base de dados de proteínas reais, com divisão de treino e validação. Após ajustes de parâmetros e aprimoramento dos modelos, conseguimos obter resultados significativos, com uma acurácia superior a 80% na fase de validação. Os experimentos enfrentaram desafios como sobreajuste e subajuste, que foram mitigados por ajustes finos nos hiperparâmetros das redes.