https://github.com/andreirech/machinelearning-t1
Trabalho 1 da disciplina de Aprendizado de Máquina - PUCRS
https://github.com/andreirech/machinelearning-t1
Last synced: 11 months ago
JSON representation
Trabalho 1 da disciplina de Aprendizado de Máquina - PUCRS
- Host: GitHub
- URL: https://github.com/andreirech/machinelearning-t1
- Owner: AndreiRech
- Created: 2024-04-01T11:40:50.000Z (about 2 years ago)
- Default Branch: main
- Last Pushed: 2024-04-18T17:32:58.000Z (about 2 years ago)
- Last Synced: 2025-05-17T19:37:26.356Z (about 1 year ago)
- Language: Jupyter Notebook
- Homepage:
- Size: 69.3 KB
- Stars: 1
- Watchers: 1
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
# ALUNOS
- [Andrei Rech | 23102140](https://github.com/AndreiRech)
- [Eduardo Martini Wolf | 23102268](https://github.com/dudu-wolf)
- [Victor dos Santos Cruz | 21103101](https://github.com/vteze)
# INTRODUÇÃO
Neste trabalho, avaliaremos os resultados obtidos pelo ChatGPT ao criar algoritmos
para três dos métodos de aprendizado supervisionado vistos em aula: kNN, Naïve
Bayes e Árvores de Decisão. Analisaremos não só a eficácia dos algoritmos criados,
mas também a adequação dos prompts utilizados pelo ChatGPT e as escolhas de
projeto feitas pelo modelo.
Importante, não é o objetivo que os algoritmos implementados pelo ChatGPT
usem bibliotecas com implementações prontas (como por exemplo scikit-learn).
Queremos ver e analizar uma implementação from scratch desses algoritmos, usando
apenas bibliotecas auxiliares para computação vetorial (por exemplo, numpy).
O ChatGPT é um Large Language Model desenvolvido pela OpenAI. Ele é capaz de
gerar respostas em resposta a perguntas e prompts dados pelos usuários. O aluno
deve ser capaz de criar prompts adequados para o chatGPT bem como apresentar
uma análise crítica dos resultados gerados pelo chatGPT.
# 🛠 PRÉ REQUISITOS
É necessária a instalação do [PYTHON](https://www.python.org/downloads/) (de preferência 3.10.6 - mas pode funcionar em superiores).
Também é obrigatório possuir o [JUPYTER LAB](https://jupyter.org/install) em sua máquina.
# ⚙ INSTALAÇÃO E INICIALIZAÇÃO
Utilizamos algumas bibliotecas adicionais. Para instalar o pandas utilize:
```bash
pip instal pandas
```
Para instalar o numpy utilize no console:
```bash
pip install numpy
```
Para instalar o seaborn utilize no console:
```bash
pip install seaborn
```
Por fim, para poder visualizar o código dentro do Jupyter Lab é necessário abrir o mesmo:
```bash
jupyter lab
```
Logo após, o projeto será inicializado em uma aba do navegador.