Qual tema de TCC faz mais sentido para quem quer seguir como ML Engineer?

[Micael Presotto]

Pessoal, queria a opinião de vocês sobre dois possíveis temas de TCC.

Meu objetivo no futuro é seguir mais para a área de ML Engineer, então estou tentando escolher um tema que seja interessante academicamente, mas que também alinhe com esse caminho profissional.

Hoje estou entre estas duas opções:

1. Liveness para reconhecimento facial com geração de dados sintéticos
A ideia seria trabalhar com detecção de fraude em reconhecimento facial, tentando identificar se uma imagem/vídeo é real ou se é spoof, deepfake, replay etc.
O foco do TCC seria investigar se dados sintéticos, possivelmente gerados por um modelo generativo, podem ajudar no treinamento do modelo e melhorar a robustez/generalização contra esse tipo de ataque.

2. Machine Learning com PINNs
A ideia seria usar Physics-Informed Neural Networks para prever variáveis físicas/ambientais, como marés, correntes marítimas, precipitação ou algo nessa linha.
Nesse caso, o modelo não aprende só com dados, mas também incorpora conhecimento físico do problema, o que deixa o tema mais científico e mais próximo de modelagem.

O que eu estou tentando entender é: pensando em carreira como ML Engineer, qual desses temas parece mais interessante como TCC?

Minha impressão hoje é que:

• Liveness parece mais próximo de um trabalho de ML aplicado, com foco em dados, treinamento, avaliação, robustez e experimentação;

• PINNs parecem muito interessantes e fortes academicamente, mas talvez mais nichados e mais puxados para scientific ML.

Vocês acham que, para esse objetivo de carreira, faz mais sentido seguir com qual?

[Breno Alves Machado]

Antes de tudo, parabéns por esta perto de concluir essa etapa. 

Sobre a pergunta, você escolheu temas que estão quentíssimos tanto na industrial quanto na academia. Ja trabalhei em um projeto de visão computacional que um dos gargalos era justamente os dados disponíveis e uma das soluções propostas foi a geração de dados sintéticos. So para vc ter ideia um design de jogos foi contratado para gerar os modelos dos objetos que a gente tava precisando. Sobre PINN, no projeto que estou alocado agora, a gnt vai suar PINN num digital twin de uma planta para ajudar na simulação do processo dela. 

Minha visão seria a seguinte, pensando em ML Engineer seguiria com a ideia 1. A ideia 2 tem um teor fortemente acadêmico, como vc comentou. Todavia, como eu exemplifiquei, a indústria já esta adotando algumas ideias nesse campo.  

[Micael Presotto]

3 horas atrás, Breno Alves Machado disse:

Antes de tudo, parabéns por esta perto de concluir essa etapa. 

Sobre a pergunta, você escolheu temas que estão quentíssimos tanto na industrial quanto na academia. Ja trabalhei em um projeto de visão computacional que um dos gargalos era justamente os dados disponíveis e uma das soluções propostas foi a geração de dados sintéticos. So para vc ter ideia um design de jogos foi contratado para gerar os modelos dos objetos que a gente tava precisando. Sobre PINN, no projeto que estou alocado agora, a gnt vai suar PINN num digital twin de uma planta para ajudar na simulação do processo dela. 

Minha visão seria a seguinte, pensando em ML Engineer seguiria com a ideia 1. A ideia 2 tem um teor fortemente acadêmico, como vc comentou. Todavia, como eu exemplifiquei, a indústria já esta adotando algumas ideias nesse campo.  

Muito obrigado, e agradeço bastante pela resposta!

Nesse caso, como você já teve contato com os dois contextos, você acredita que existe uma tendência de maior demanda também para a parte de PINNs no mercado, ou hoje isso ainda aparece mais em nichos bem específicos?

Eu achei essa ideia bem interessante também e continuo bastante aberto, mas fiquei pensando se não faria mais sentido, neste momento, seguir primeiro com a ideia 1, por parecer mais próxima de algo que eu conseguiria conectar diretamente com uma carreira de ML Engineer. Penso que eu poderia explorar melhor essa linha, inclusive trazendo mais elementos de visão computacional e outras abordagens práticas em cima do problema pra integrar no meu TCC e deixar ele melhor do que apenas um simples projeto.

No caso dos PINNs, o que ainda me deixa um pouco em dúvida é justamente como isso aparece na indústria. Eu não me vejo trabalhando de forma muito focada em física ou simulação pura, se é que você me entende. Por isso, tenho a impressão de que o primeiro tema talvez faça mais sentido para o momento, até por eu conseguir aproveitar melhor essa experiência em futuras oportunidades de trabalho.

Minha ideia seria justamente essa: escolher um tema mais aderente ao mercado agora, ganhar uma base mais forte e depois, com mais maturidade, explorar outras vertentes de ML com mais calma, nesse caso a ideia de PINNs.

O que você acha?

[Breno Alves Machado]

Minha persepcção é igual a sua. Acredito que hj em dia ainda existam nichos na aplicação PINNs. Acho que se vc seguir o plano que desenhou aqui vai ser um boa.

41 minutes ago, Micael Presotto disse:

Minha ideia seria justamente essa: escolher um tema mais aderente ao mercado agora, ganhar uma base mais forte e depois, com mais maturidade, explorar outras vertentes de ML com mais calma, nesse caso a ideia de PINNs.