Fluxo de Projeto de Machine Learning para Modelos Supervisionados

Com o avanço da IA, especialmente LLMs, decidi revisitar e consolidar os fundamentos da área de Ciência de Dados.

Retornei as bases da nossa área de Ciência de Dados e, logicamente, IA domina a produção de conteúdo atual, então resolvi ir por outro caminho. Escrever sobre conhecimentos mais basilares, primordiais, sobreviventes ao tempo e que possam dar suporte à outras pessoas em seu início de carreira.

Desta forma, resolvi iniciar com a escrita do Fluxo de Projeto de Machine Learning para Modelos Supervisionado. Sendo esta primeira parte um ÍNDEX geral de pesquisa para condensação e do conhecimento, parecido com a WIKI.

Escopo

A construção e organização desta escrita seguirar esses 3 critérios:

1. Modularidade. Cada etapa do fluxo será representada por uma página independente, com links e possíveis subdivisões conforme a necessidade.
2. Construção incremental. O conteúdo será desenvolvido ao longo do tempo. Atualmente (04/2026), ainda não há um cronograma fechado, mas a previsão é concluir a estrutura principal até o final de 2026.
3. Uso controlado de IA. A Inteligência Artificial será utilizada apenas como ferramenta de revisão textual. Este é, acima de tudo, um projeto pessoal como objetivo, exercitar a comunição clara e objetiva do conhecimento, reduzindo a “geração de lero lero” ruidos, evitando a complexidade desnecessária e desorientação.

Premissas

A ideia é mostrar a teoria e a prática para desenvolver um bom projeto com boas tomas de decisões, com a finalidade de entregar o fluxo mais longevo e duradouro. Para tal, seguirei 2 premissas:

1. Experimentação Pessoal. Muito do que será escrito aqui, em alguma medida, pode ser encontrado em IAs/LLMs. A diferença deste material é não partir de respostas genéricas, mas de conhecimento testado e aplicado. Desta forma, oconteúdo a ser apresentado já foi testado em projetos reais e deriva diretamente da Experiência Prática.
2. Independência Ferramental. O fluxo não será centrado em tecnologias específicas (MLflow, SHAP, AWS ou GCP), pois estas evoluem rapidamente. O foco será no processo, que se mantém relativamente estável ao longo do tempo.

Destaco apenas 1 premissa ao leitor ou leitora.

1. Descrença. Este material está sendo construído com o máximo de cuidado e baseado em experiência prática, mas Ciência de Dados é uma área ampla demais para ser esgotada em um único lugar. Por isso, não leia este conteúdo como verdade absoluta. Questione, compare com outras fontes, teste na prática e aprofunde os pontos mais específicos conforme a necessidade. A intenção deste material não é encerrar o assunto, mas servir como base para que você forme as próprias conclusões

Você É, ou ESTÁ se tornando, um ciêntista, leve sua formação a sério. Questione, teste, aprofunde e não se contente com respostas rasas.

O Fluxo do Projeto

Este fluxo está dividido em 4 grandes seções, organizadas de forma progressiva, mas não rígida. Um projeto de Machine Learning raramente acontece em linha reta.

1. Metodologias de Suporte

Na área da tecnologia já existem diversas metodologias mais gerais de construção de projetos, tais como: SCRUM, KANBAN, TDD, XP, DevOps. Todas podem ser utilizadas em projetos de dados. Entretanto a metodologia, na minha visão, mais orientada a dados é o CRISP-DM.

1. CRISP-DM — Escrita em Backlog

2. Prearação do Projeto

Com a metodologia pronta vamos entender o projeto, o negócio e os dados. Evite o impulso tempestuoso, jovial, energético de pegar nos dados pra fazer o “fit” + “predict” os mais rápido possível. Esse costuma ser um dos erros mais frequentes de quem está começando.

Primeiro entenda o que estão lhe pedindo, a necessidade real, entenda a estrutura do dado a ser trabalhado pense em possíveis soluções e planeje. Somente depois deste entendimento inicial o projeto está pronto para seguir em frente.

1. Entender o Negócio — Escrita em Backlog
2. Entender os Dados — Escrita em Backlog
3. Planejar a Solução — Escrita em Backlog

3. Etapas de Realização do Projeto

Agora conhecemos a demanda, construimos possíveis soluções, vamos as experimentações.

Uma das principais vantagens da Metodologia CRISP-DM é sua iteratividade. O projeto não precisa ser realizado de forma linear e engessada do ponto.

Em uma primeira iteração, por exemplo, você pode trabalhar apenas com coleta, limpeza, preparação e treinamento. Em outra, pode voltar para criar novas hipóteses, testar atributos diferentes ou revisar a forma como os dados foram preparados. Como ciêntista você tem liberdade para testar diferentes caminhos e como cada decisão afeta o resultado final.

Perceba que a construção do modelo só inicia na 8ª etapa e não na 1ª. Note, também a 11ª etapa, o modelo construido não serve para apresentar aos seus pares, isso não é feira de ciências, o seu modelo deve ser traduzido ao Negócio é ele que paga as suas contas e precisa saber o que está acontecendo.

Pouco importa para a empresa um RMSE de 0,3 ou um Recall de 0,8 se ninguém conseguir entender o real impacto disso. O que realmente importa é responder perguntas como:

• quanto isso reduz custos;
• quanto isso aumenta receita;
• quanto isso melhora um processo;
• qual o retorno financeiro ou operacional esperado.

O ponto crucial, aqui é tranformar as Métricas dos Modelos em Métricas de Negócio.

1. Coleta e Análise Descritiva dos Dados — Escrita em Backlog
2. Limpar e Organizar os Dados — Escrita em Backlog
3. Hipóteses de Negócio — Escrita em Backlog
4. Feature Engineering — Escrita em Backlog
5. Análise Exploratória dos Dados (EDA) — Escrita em Backlog
6. Preparar os Dados — Escrita em Backlog
7. Selecionar os Atributos — Escrita em Backlog
8. Treinar os Algoritmos de ML — Escrita em 80%
9. Fine Tuning — Escrita em 50%
10. Interpretar Erros — Escrita em Backlog
11. Traduzir o Erro para Negócio — Escrita em Backlog

4. Deploy

Por fim, o modelo ganhará vida e principalmente vai dar um trabalho. E é aqui que o projeto deixa de ser apenas um exercício técnico e passa a lidar com a realidade. Em muitos casos, colocar o modelo em produção exige tanto trabalho quanto treiná-lo.

Grande parte das empresas não possui um Engenheiro de Machine Learning dedicado. Por isso, muitas vezes, o próprio cientista de dados precisa aprender pelo menos o básico sobre deploy, APIs, infraestrutura e monitoramento.

1. Organização da Classe de Deploy — Escrita em Backlog
2. Criação de API — Escrita em Backlog
3. Estruturando a Cloud — Escrita em Backlog
4. Go Live — Escrita em Backlog

5. Manutenção

Embora não faça parte direta do fluxo de construção, a manutenção é parte essencial da vida de um modelo. Um modelo não termina quando entra em produção. Dados mudam, comportamento de usuários muda, processos mudam e, com o tempo, o modelo pode começar a perder qualidade.

Deixar um modelo sem acompanhamento pode transformar uma boa solução em um problema financeiro e operacional. Por isso, manutenção, monitoramento, reavaliação e atualização também podem fazer parte do trabalho.

Para a manutenção farei um conjunto de artigos no futuro, não sei quando, mas um dia farei.

Conclusão

Ao longo desse ano de 2026 pretendo concluir este Fluxo de Projeto e seus desdobramentos principais. Não percam futuras atualizações no meu Linked-in.