Quando eu fui apresentado pela primeira vez ao tema de Machine Learning, em uma conversa depois da aula de Álgebra Booleana com o profº Júnior Barrera, o que mais me impressionou foi como esse campo de estudo compreendia tudo que eu havia estudado até então. Álgebra Linear e Booleana, Cálculo, Estatística, Programação, matérias que eu havia passado com variável prazer e dificuldade estavam conectadas de uma forma que faziam sentido. Eu sabia o porque de ter precisado fazê-las e de certa forma porque eu precisava estar no Bacharelado em Ciências da Computação no IME.
A produção do TCC foi de certa forma, o ápice desse sentimento. Durante a escrita da monografia eu senti que fazia referência não só a essas matérias, como a outras mais avançadas que fui escolhendo durante o curso: Aprendizagem de Máquina, Inteligência Artificial, Visão Computacional, Otimização Não-linear, entre outras. O TCC representou isso pra mim: a possibilidade articular minha história no curso de forma a criar um caminho próprio.
Durante esse ano meu ânimo e disposição a tomar projetos relacionados ao tema tomou tempo e atrapalhou por vezes a realização deste trabalho, tornando os últimos meses dele corridos e estressantes. No entanto, esses projetos nunca chegaram a ser paralelos, tendo intersecções com o TCC que me ajudaram, não só abstratamente como de formas bem práticas também, a correr atrás do prejuízo depois. A participação do Grupo de Estudos em Machine Learning do IME (MLIME), a apresentação na 12ª aMostra da Estatística e a pesquisa em Transfer Learning aplicado a datasets de plâncton com meu orientador, outros professores e colegas, não foram meramente distrações, mas sim parte integrante do desenvolvimento desse trabalho, mesmo que de forma não tão óbvia.
De fato eu tenho uma impressão que o trabalho poderia ser melhor, realizar mais experimentos, buscar mais respostas. Mas isso me parece menos um defeito do trabalho e mais parte da condição humana. Para isso existe a sessão de futuros desenvolvimentos.
Powered by w3.css