--- title: Pi 294 - Projeto M9 --- ![](https://letscode-academy.com/assets/logo_lc_png.png) ---------- <center> <font size="+3"><b> Pi 294 - Módulo 9 - Redes Neurais</b></font></center> <center> <font size="+2"><b> Detecção de Câncer de Pele - Especificação do Projeto</b></font></center> ---------- ### Deadline - 08/08/2020, 11h50 (AM) - As apresentações serão realizadas fora do período de aula, no dia 08/08, entre 13h e 17h - Será necessário agendar horário com o professor para evitar fila de espera. ---------- ### Envio E-mail para rychard.guedes@letscode-academy.com, com título *Pi 294 Projeto 09 - Squad XX*. ---------- ### Contextualização A PyCoders Ltda., cada vez mais especializada no mundo da Inteligência Artificial e Ciência de Dados, foi procurada por uma empresa de Diagnóstico Médico por Imagem para auxiliar os médicos em suas decisões. O case passado pela contratante se refere a detectar câncer de pele por meio de imagens de lesões. ---------- ### Base de Dados Será utilizada uma base de dados com imagens de lesões na pele, sejam elas benignas ou malignas. Existe também arquivos .csv descrevendo as variáveis respostas das imagens. O download das imagens usadas para treino, validação e teste está disponível [nesse link](https://drive.google.com/drive/folders/1TG-9voOZHl6oe1RWGYnO9XSFTrn-DqC1?usp=sharing); já os arquivos descritivos, indicando quais imagens são treino, validação, teste e as respectivas variáveis resposta estão disponíveis [nesse link](https://drive.google.com/file/d/1QYzXlRalqNsH3JVaeVc5qeFP7XxTCYRc/view?usp=sharing). ---------- ### Definições #### Nota A nota final da squad será composta por: - Desempenho do modelo em uma base de label escondida (50 pontos) - A squad com melhor desempenho na base escondida receberá 50 pontos; - A squad com segundo melhor desempenho na base escondida receberá 45 pontos; - A squad com terceiro melhor desempenho na base escondida receberá 40 pontos; - A squad com quarto melhor desempenho na base escondida receberá 35 pontos; - Complexidade da Arquitetura da Rede (25 pontos) - Complexidade do Pré-processamentos (25 pontos) #### Regras de Entrega - Serão entregues: - Um notebook com o desenvolvimento do modelo, incluindo arquitetura da rede e pré-processamentos aplicados, de forma explicativa; - E uma base com o ID da imagem e a variável resposta predita no formato de probabilidade de câncer. ---------- ### Informações Complementares O projeto é baseado na Task 3 do desafio global do ISIC 2017, [disponível aqui](https://challenge.isic-archive.com/landing/2017/44). Foi feita uma simplificação do case ao considerar apenas *melanoma* e *nevus*, além de terem sido usadas imagens de *melanoma* do ISIC 2018 para balancear o conjunto de dados. [Nesse link](https://drive.google.com/file/d/1nAeR2vcXtrNWseH26-braqD4d4qPynyw/view?usp=sharing), há um paper escrito pelo Maurício Chigutti descrevendo como o problema foi atacado.