Métricas de Qualidade de Código para Projetos de Ciência de Dados e Aprendizado de Máquina

A popularização da ciência de dados por profissionais de diversas áreas frequentemente resulta em códigos com problemas de qualidade e manutenibilidade, devido à falta de formação específica em engenharia de software. Este trabalho apresenta o DeSmell, uma ferramenta web desenvolvida para a detecção automatizada de maus cheiros de código e antipadrões específicos deste domínio. A pesquisa compreendeu a análise da literatura e de projetos reais, a catalogação de dez antipadrões recorrentes e o desenvolvimento de uma aplicação (React/Flask) com dashboards interativos. A validação com usuários demonstrou a eficácia da ferramenta em identificar problemas relevantes e auxiliar na refatoração, contribuindo para a democratização de boas práticas de engenharia de software em ciência de dados.