Modelo de atenção para previsão antecipada de produtividade da soja
Visão geral
Sobre o que é este desafio
Construa um modelo de atenção para prever produtividade da soja 30 dias antes da colheita e ganhe um certificado verificável.
O cenário
A cooperativa reúne cerca de 40 produtores associados na região de Sorriso e mantém sensores IoT (Internet das Coisas) instalados há duas safras, mas hoje a decisão de intervir num talhão ainda depende de visitas periódicas de agrônomos.
O Brief
O que você vai fazer e o que vai demonstrar.
A cooperativa só identifica talhões com produtividade abaixo do esperado no momento da colheita, quando não há mais janela de tempo para corrigir o problema com insumos ou irrigação.
Earning criteria — what you'll demonstrate
- Modelar séries temporais multivariadas com mecanismos de atenção estudados no curso
- Desenhar validação que evite vazamento espacial em dados de sensores agrícolas
- Comparar arquiteturas de deep learning contra baselines simples de forma rigorosa
- Comunicar limitações e riscos de um modelo preditivo a um público não técnico
Adequação ao Programa
Onde isso se encaixa no seu programa.
Aperfeiçoa as mesmas habilidades que seu curso espera que você demonstre.
Conteúdo alinhado em breve.
Habilidades
Habilidades que você vai demonstrar.
Cada um aparece no seu certificado verificado.
- Neural Networks
Apply neural networks to solve real industry problems and demonstrate production-level capability.
- Attention Mechanisms
Apply attention mechanisms to solve real industry problems and demonstrate production-level capability.
- Transformer Architecture
Apply transformer architecture to solve real industry problems and demonstrate production-level capability.
- Sequence Labeling
Apply sequence labeling to solve real industry problems and demonstrate production-level capability.
- Pytorch Or Tensorflow
Apply pytorch or tensorflow to solve real industry problems and demonstrate production-level capability.
Carreiras
Cargos para os quais este desafio te prepara.
Títulos reais. Pontes reais de habilidades. Escolha o mais próximo da sua trajetória.
Trilhas de carreira que este desafio desenvolve
Funções canônicasIoT Data Scientist
O desafio trabalha diretamente com dados de sensores IoT agrícolas em série temporal, dando experiência concreta em modelar e validar previsões a partir de fluxos de sensores de campo.
Este desafio aprimora
- attention-mechanisms
- sequence-labeling
- neural-networks
AI Engineer
Construir e comparar arquiteturas de atenção contra baselines em um pipeline reprodutível é prática direta das responsabilidades de um AI Engineer que precisa justificar escolhas de modelo em produção.
Este desafio aprimora
- transformer-architecture
- pytorch-or-tensorflow
- neural-networks
Data Scientist
A validação espacial rigorosa e a análise de erros por subgrupo (talhões novos) desenvolvem a disciplina analítica esperada de um Data Scientist ao avaliar modelos preditivos antes de recomendá-los ao negócio.
Este desafio aprimora
- sequence-labeling
- attention-mechanisms
- pytorch-or-tensorflow
Só mais uma coisa