Desenvolvimento de um Modelo de Ingestão de Dados para AutoML

Resumo

Com o advento da Indústria 4.0 muitas organizações precisaram passar por diversas transformações, adotando a ciência de dados como parte fundamental do processo de tomada de decisões estratégicas. Neste cenário surgem demandas complexas para o processamento de dados e obtenção de informações, dando espaço para o crescimento de tecnologias como o aprendizado de máquina automatizado (sigla do inglês: AutoML), que permite que usuários especialistas e não especialistas tenham acesso ao aprendizado de máquina de forma eficiente e célere. Porém, apesar de muitos sistemas de AutoML possuírem módulos para a entrada de dados, a falta da ingestão de dados de forma otimizada pode trazer diversas limitações no acesso a informações relevantes para os processos de análise. O atual trabalho tem como principal objetivo a redução da complexidade e aumento da eficiência na etapa de ingestão de dados em sistemas de AutoML.  O módulo desenvolvido será implementado em uma solução já existente, o Framework de Mineração de Dados Educacionais (FMDEV), desta forma permitindo que possam ser realizados testes com usuários e especialistas, fornecendo um estudo de caso para validar o desenvolvimento do projeto. Podem ser elencados como os principais benefícios desta implementação a democratização do acesso à ingestão de dados, maior flexibilidade de entradas de dados e a coleta e carga de dados feita de forma otimizada.  Desta forma espera-se que a solução permita que os usuários especialistas possuam maior celeridade nesta etapa e traga o acesso desta tecnologia aos usuários de negócio.