Um serviço interoperável para a proveniência de dados em experimentos de aprendizado de máquina

Abstract

O uso do Aprendizado de Máquina na solução de diversos problemas vem se expan dindo nas últimas décadas, atraindo cada vez mais a atenção da comunidade científica. Como consequência de tal fato, diversas tecnologias e ferramentas vem surgindo ao longo do tempo, oferecendo diferentes formas para se trabalhar com tais problemas. Um dos problemas que a proliferação de tais tecnologias causa é a falta de interoperabilidade de dados entre ferramentas e tecnologias distintas. Além disso, existe uma escassez de recur sos para a descrição dos dados e metadados de forma semântica, atrelando-os a um bom nível de proveniência. O Projeto MEX tem como objetivo minimizar os problemas em relação à semântica e à proveniência dos dados através da criação de um vocabulário que permita descrever os dados gerados pelos experimentos de Aprendizado de Máquina, utilizando técnicas de publicação de dados para a Web Semântica. Entretanto, em sua concepção, o projeto conta com uma limitação no seu uso, as suas implementações estão escritas na linguagem Java, fazendo com que o vocabulário só possa ser utilizado diretamente em experimentos escritos usando nessa linguagem. Neste trabalho é apresentado o desenvolvimento de um Serviço Web, Web4MEX, projetado para resolver a limitação dessas tecnologias e resolver o problema da interoperabilidade entre ferramentas de Aprendizado de Máquina implementadas em linguagens de programação distintas. Além disso, como demonstração do poder da solução, apresentamos um framework escrito em Python, que permite o acesso ao vocabulário MEX, intermediando os dados extraídos dos experimentos com o servidor responsável por gerar o vocabulário, de uma forma automatizada utilizando um esquema de anotação