Desafio 1 - GMM para clusterizacao de Flores (Iris Dataset)

Objetivo

Aplicar técnicas de aprendizado não supervisionado para agrupar as amostras do conjunto de dados Iris utilizando o algoritmo GMM (Gaussian Mixture Model), com otimização de hiperparâmetros feita via Optuna.

Neste desafio, você irá explorar uma abordagem probabilística de clustering, onde cada ponto pode pertencer a mais de um grupo com certa probabilidade, ao contrário de métodos baseados em distância fixa como o K-Means.

Dataset

O conjunto de dados Iris contém 150 amostras de flores de três espécies diferentes: Setosa, Versicolor e Virginica. Cada amostra possui quatro atributos numéricos:

• Comprimento da sépala (sepal length)
• Largura da sépala (sepal width)
• Comprimento da pétala (petal length)
• Largura da pétala (petal width)
• Target:
  • 0: setosa
  • 1: versicolor
  • 2: virginica

Você pode importar o dataset diretamente do scikit-learn com o seguinte código:

from sklearn.datasets import load_iris

iris = load_iris()
X = iris.data         # Atributos das flores
y = iris.target       # Classes reais (usadas apenas para avaliação)

---

Desafio 2 - Detecção de Anomalia no Dataset Pulsar

Objetivo

Neste desafio, você irá aplicar técnicas de detecção de anomalias utilizando o algoritmo LOF (Local Outlier Factor) no dataset de estrelas pulsar.

O objetivo é identificar exemplos anômalos no conjunto de dados, simulando um cenário onde não se conhece previamente quais objetos são estrelas pulsar e quais não são. Para isso, você utilizará o LOF como método não supervisionado, com foco na identificação de padrões incomuns.

Embora o dataset contenha a coluna target_class com os rótulos reais, considere inicialmente que essa informação não está disponível para o modelo. Ela poderá ser usada posteriormente para avaliar a qualidade da detecção de anomalias.

Sobre o Dataset

O dataset contém medidas extraídas de observações astronômicas, com o intuito de classificar se uma determinada amostra corresponde ou não a uma estrela pulsar.

Cada linha representa uma observação, e as colunas contêm estatísticas extraídas de séries temporais do sinal de rádio de possíveis pulsares.

Colunas do Dataset

Observação para esse desafio

O dataset desse desafio se encontra compactado na seção de recursos, é necessário extrair primeiro.

---

Entrega

Após concluir o desafio, você deve enviar a URL do seu código no GitHub para a plataforma.

Além disso, que tal fazer um post no LinkedIn compartilhando o seu aprendizado e contando como foi a experiência?

É uma excelente forma de demonstrar seus conhecimentos e atrair novas oportunidades!

Feito com 💜 por Rocketseat 👋

from sklearn.datasets import load_iris

iris = load_iris()
X = iris.data         # Atributos das flores
y = iris.target       # Classes reais (usadas apenas para avaliação)