Laudo Técnico de Avaliação — TP1

equipe_igor

Tipo: Avaliacao tecnica coletiva

Status: Recomendacao tecnica

Nota tecnica: 3,5/10

Sintese: A base de engenharia e identificavel, mas faltam artefatos e resultados verificaveis de ML, e o container nao pode ser construido com o checkout entregue.

Nota recomendada

3,5/10 Nota tecnica recomendada. A base de engenharia e promissora, mas a entrega nao prova o ciclo de ML nem disponibiliza um container construivel. Para a nota individual, a parcela coletiva e 1,75/5,0.

Evidencias e execucao

• Inspecionados README.md, doc/, src/, tests/, Dockerfile, CI, dependencias, dados e gitlab_analytics/.
• pytest nao coletou testes porque o ambiente do avaliador nao tem fastapi; bloqueio ambiental, sem desconto automatico.
• docker build falhou em COPY artifacts/ ./artifacts/, pois artifacts/ nao existe no repositorio. Este e um defeito de entrega e reproducibilidade.

Achados tecnicos preservados

• Ha dataset oficial, lista centralizada das 25 skills, limpeza, TF-IDF, MultiLabelBinarizer, baseline e rede Dense com sigmoid e binary_crossentropy em src/.
• A API FastAPI implementa GET /health, POST /predict, Pydantic e seis testes de contrato. O preditor mock e separado do preditor de modelo.
• Ha Docker, compose e CI; o ultimo pipeline registrado teve status success.
• Nao ha artifacts/, resultados, curva de loss, matriz/F1 por classe, modelo, vetorizador ou metadados produzidos. Baseline, rede e calibracao no codigo nao possuem resultado verificavel.
• O modelo real padrao nao pode ser carregado sem os artefatos e o Docker nao constroi. O README permaneceu o template GitLab e nao documenta autoria, fundamentacao, comparacao, metricas ou analise critica.
• A evolucao aparece parcialmente no codigo (limiar global), mas sem decisao experimental, comparacao de hipoteses ou analise sustentada por resultados.

Criterio coletivo	Max.	Nota	Justificativa
Dados e formulacao multi-label	1,5	1,0	Dataset, Top-25 e formulacao corretos; saidas do pipeline ausentes.
Baseline, rede e resultados	2,5	0,6	Implementacoes existem, sem artefatos ou resultados reproduziveis.
Evolucao experimental	2,0	0,4	Ha funcao de threshold, sem evidencia experimental.
API e contrato	1,5	0,7	Contrato/testes presentes; somente mock utilizavel e imagem falha.
Reproducibilidade e qualidade	1,5	0,6	Estrutura/CI positivos; Docker quebrado.
Documentacao e colaboracao	1,0	0,2	README template e historico concentrado.

Notas individuais

Integrante	Papel observado	Produto /5	Papel /3	Rastreabilidade /1,5	Colaboracao /0,5	Final /10
Danyel Silva	Dados e NLP (Aluno A)	1,75	2,5	1,2	0,3	5,8
Vitor Silva	Treinamento e avaliacao (Aluno B)	1,75	2,0	1,0	0,2	5,0
Matheus H. Almeida Silva	API FastAPI (Aluno C)	1,75	2,2	1,1	0,3	5,4
Igor Pedrosa	DevOps, Docker e testes (Aluno D)	1,75	2,6	1,5	0,5	6,4

Evidencias e ressalvas individuais

• Danyel Silva: commit df46778 registra dados/NLP e 54b94ad adiciona plano/estrutura. A entrega de dados e tecnicamente identificavel, mas nao gerou artefatos finais verificaveis. Revisou a MR de DevOps.
• Vitor Silva: o commit beb9bba, assinado VitinhoMS com e-mail associado a Vitor, declara treinamento e avaliacao. O codigo e atribuivel, mas nao ha resultados, modelo ou metadados entregues; a associacao por alias deve ser confirmada na arguicao.
• Matheus H. Almeida Silva: c358665 declara API FastAPI do Aluno C. A analitica agregou este autor sob outro alias, mas o historico Git local preserva autoria nominal. API e contrato existem, contudo o caminho real depende de artefatos ausentes.
• Igor Pedrosa: MR !1 e commits de Docker, compose, CI, fixtures e seis testes estabelecem autoria forte do papel D. A imagem falha por depender de artifacts/ inexistente, reduzindo a qualidade da entrega, nao a rastreabilidade.

As notas sao recomendacoes para a arguicao: a confirmacao dos aliases de Vitor e Matheus pode ajustar a autoria individual.