• Informações do Trabalho

Titulo AutoMLOps: Arquitetura de Software Autoadaptativa para Internet das Coisas (IoT) Subtítulo Autor EDUARDA ARAUJO CARVALHO Orientador JOSE MARIA NAZAR DAVID Resumo A Internet das Coisas (IoT) requer sistemas de processamento de dados em tempo real. Nesse cenário, a integração de Inteligência Artificial (IA) e aprendizado de máquina supervisionado viabiliza a análise automatizada de dados. Entretanto, a ocorrência de concept drift em fluxos contínuos (streaming) ocasiona a degradação de desempenho dos modelos. Para tratar esse problema, este trabalho apresenta a arquitetura AutoMLOps, disponibilizada como um serviço via API utilizando FastAPI e direcionada a aplicações de IoT, com configuração parametrizável conforme o domínio. A arquitetura realiza a seleção automática de modelos supervisionados por meio de técnicas de AutoML, monitora métricas de desempenho e adota o padrão Champion/Challenger. Adicionalmente, utiliza um índice de saúde unificado (Health Index – HI) para acionar processos de retreinamento e chaveamento de modelos. A avaliação experimental, conduzida com 3.283 registros de monitoramento bovino para emissão de CO2, evidenciou a capacidade do HI em identificar a degradação de desempenho. Em cenários com ocorrência de concept drift induzido por inserção de ruído, a redução do índice acionou os mecanismos de controle e o ciclo human-in-the-loop, permitindo o retreinamento automático e a recuperação do desempenho do sistema. Palavras-Chave Internet das Coisas (IoT), AutoMLOps, Aprendizado de Máquina, concept drift, Arquiteturas autoadaptativas.