Projects — Engenharia de IA Aplicada

Repositório de projetos e testes em Engenharia de IA Aplicada.

Cada pasta é um projeto independente, com código, documentação e testes próprios. Aqui ficam tanto projetos completos, com demonstração publicada, quanto experimentos e provas de conceito usados para estudar uma técnica antes de aplicá-la.

---

🎯 Objetivos

• Aprender na prática: transformar conceitos de Machine Learning e LLMs em sistemas que funcionam de ponta a ponta.
• Documentar o processo: registrar decisões técnicas, limitações e alternativas consideradas, não só o resultado final.
• Testar tecnologias: avaliar bibliotecas, modelos e abordagens em cenários concretos antes de usá-los em projetos maiores.
• Aplicar boas práticas: testes automatizados, validação de dados, tratamento de falhas e proteção de chaves de API desde o protótipo.
• Formar um portfólio: reunir projetos que mostrem como problemas reais são resolvidos com IA.

---

📐 Escopo

Dentro do escopo:

• Sistemas de recomendação, classificação e outros modelos de Machine Learning.
• Integração com LLMs com escopo controlado (saída estruturada, validação e plano B).
• Protótipos com interface web para demonstrar o funcionamento.
• Testes e experimentos isolados para estudar uma técnica.

Fora do escopo:

• Produtos em produção ou com usuários reais.
• Armazenamento de dados pessoais: os projetos usam dados fictícios ou de exemplo.

---

📂 Projetos

Projeto	Descrição	Status	Links
Classifier	Sistema de recomendação de trilhas de estudo: um classificador em TensorFlow.js recomenda o plano e uma LLM limitada (Gemini) monta a trilha a partir de um catálogo fechado.	Protótipo funcional	Apresentação · Simulador · Documentação

A primeira versão do Classifier, só com o pipeline de Machine Learning, está preservada no branch conceito/sistema-recomendacao-ml.

---

🗂️ Estrutura

Projects/
├── classifier/   # projeto: sistema de recomendação com ML + LLM
├── docs/         # site publicado no GitHub Pages (apresentação e simulador do Classifier)
├── LICENSE
└── README.md     # este arquivo

---

📏 Convenções

• Uma pasta por projeto, com o próprio README, package.json e dependências.
• Chaves de API nunca são versionadas: ficam em um arquivo .env local (ignorado pelo Git), e cada projeto traz um .env.example com as variáveis necessárias.
• Testes automatizados ficam na pasta testes/ de cada projeto e rodam com npm test.
• Demonstrações públicas ficam em docs/, publicada pelo GitHub Pages.

---

🚀 Como executar um projeto

git clone https://github.com/RyanZine/Projects.git
cd Projects/<pasta-do-projeto>
npm install

Os passos específicos (variáveis de ambiente, comandos e testes) estão no README de cada projeto.

---

👤 Autor

Ryan Zinedine · GitHub

Distribuído sob a licença MIT.