Para desenvolver Aula Prática Técnicas de inteligência artificial, comece identificando os objetivos e as entregas solicitadas no roteiro. A seguir, veja os pontos presentes na descrição desta atividade e organize teu relatório de acordo com as orientações do curso.
O que é esta aula prática?
Antes de começar, leia a apresentação e identifique o tema, a unidade e o formato pedido.
Principais conteúdos abordados
Exploração do Weka (Explorer) e uso do arquivo diabetes.arff (9 atributos, 768 instâncias).
Configuração e execução do classificador MultilayerPerceptron.
Opções de teste: Use training set e Percentage split (75% especificado).
Interpretação de resultados: Root mean squared error e Confusion Matrix; geração da imagem da rede neural.
Aula Prática Técnicas de inteligência artificial
O seu trabalho é disponibilizado pronto, respondido e nas normas já na mesma hora aqui em nosso site na sua área de downloads e também no seu e-mail.
Portfólio em Word, respondido, completo e já nas normas
Se estiver acessando pelo computador, escaneie o QR Code abaixo com a câmera do celular para abrir nosso atendimento no WhatsApp.
Como desenvolver a atividade passo a passo
Execute cada etapa na ordem indicada e registre o que foi feito para depois explicar o processo no relatório.
Esta atividade prática, parte da disciplina "Técnicas de Inteligência Artificial", orienta a exploração do software Weka para criação e análise de uma Rede Neural do tipo MultilayerPerceptron aplicada a uma base de dados real. O foco é a familiarização com o ambiente "Explorer" do Weka, o carregamento do arquivo fornecido (diabetes.arff) e a execução de procedimentos de classificação para prever outputs e interpretar métricas de performance do modelo.
Para realizar a aula é necessário ter o Weka instalado na versão mais recente (freeware) e utilizar a base de dados "diabetes.arff" disponibilizada na pasta data do Weka. A base contém 9 atributos e 768 instâncias; a atividade inclui visualização das variáveis, configuração do classificador MultilayerPerceptron e comparação dos resultados quando se altera a divisão de treino e teste.
O que é desenvolvido nesta atividade
Implementação prática de uma Rede Neural Perceptron multicamadas no Weka, execução do modelo em diferentes modos de teste (por exemplo "Use training set" e "Percentage split" com 75%) e análise dos resultados apresentados no "Classifier output". O aluno deve gerar a visualização da rede treinada e registrar/interpretar métricas como Root mean squared error e a Confusion Matrix para comparar desempenho entre configurações.
Como estruturar o relatório
Organize a entrega em identificação da atividade, objetivos, recursos utilizados, descrição dos procedimentos, registros dos resultados e conclusão. Ajuste essa sequência ao modelo exigido pela instituição e inclua apenas observações e evidências obtidas durante a tua própria execução.
Checklist antes de entregar
- Conferir se todos os objetivos do roteiro foram contemplados.
- Descrever os procedimentos na ordem em que foram realizados.
- Inserir registros, imagens ou arquivos quando a atividade solicitar.
- Relacionar os resultados com as tarefas e revisar o formato de entrega exigido.
