Começar. É Gratuito
ou inscrever-se com seu endereço de e-mail
TCC por Mind Map: TCC

1. Referências

2. Resultados

2.1. Comparação dos Modelos

2.1.1. Métricas de Avaliação

2.1.1.1. Acurácia

2.1.1.2. Precisão

2.1.1.3. Recall

2.1.1.4. F1 Score

2.1.2. Learning Curve

2.1.3. Matriz de Confusão

2.2. Escolha do Modelo

2.3. Análise dos Resultados

3. Fundamentação Teórica

3.1. Fake News

3.1.1. Definição

3.1.2. Contexto histórico

3.2. Estatística

3.2.1. Desvio Padrão

3.3. Inteligência Artificial

3.4. Aprendizado de Máquina

3.4.1. Introdução

3.4.2. Aplicações de ML

3.4.3. Tipos

3.4.3.1. Aprendizado Supervisionado

3.4.3.2. Aprendizado Não Supervisionado

3.4.3.3. Aprendizado Semi-Supervisionado

3.4.4. Processo de Construção de um Modelo

3.4.4.1. Coleta

3.4.4.2. Pré-Processamento

3.4.4.3. Data Mining

3.4.4.4. Treino

3.4.4.5. Teste

3.4.5. Processamento de Linguagem Natural

3.4.6. Modelos de Classificação (Opções)

3.4.6.1. Support Vector Machine

3.4.6.2. Decision Tree Classifier

3.4.6.3. XGBoost

3.4.6.4. LightGBM

3.4.6.5. Voting Ensembles

3.4.7. Métricas de Avaliação

3.4.7.1. Acurácia

3.4.7.2. Precisão

3.4.7.3. Recall

3.4.7.4. F1 Score

3.4.8. Ferramentas

3.4.8.1. Python

3.4.8.2. Pandas

3.4.8.3. SKLearn

4. Introdução

4.1. Introdução

4.2. Pré-Projeto

4.2.1. Delimitação do Tema

4.2.2. Problema de Pesquisa

4.2.3. Hipótese

4.2.4. Objetivos

4.2.4.1. Geral

4.2.4.2. Específico

4.2.5. Justificativa

4.2.6. Metodologia

4.2.7. Escopo

4.3. Trabalhos Relacionados

4.4. Estrutura do Trabalho

5. Desenvolvimento

5.1. Visão geral das ferramentas do ML para combate a Fake News

5.2. Construção do Dataset

5.2.1. Definição de método de coleta (real e fake)

5.2.2. Coleta dos dados

5.3. Análise do Dataset

5.4. Pré-Processamento

5.4.1. Features (Exemplo Twitter)

5.4.1.1. Informações Usuário

5.4.1.2. Informações Tweet (metadados)

5.4.1.3. Informações Texto

5.4.1.3.1. TF-IDF

5.4.1.4. Sentimento

5.4.1.4.1. SentiWorldNet para computar sentimento

5.4.1.4.2. TextBlob para computar subjetividade

5.4.1.5. Metadados

5.5. Treinamento Modelo

6. Conclusão

6.1. Conclusão

6.2. Trabalhos Futuros

6.2.1. Melhoria na coleta de dados (definir melhor real e fake)

7. Pré-Textuais

7.1. Capa

7.2. Folha de Rosto

7.3. Ficha Catalográfica

7.4. Folha de Avaliação

7.5. Dedicatória (Opcional)

7.6. Agradecimentos (Opcional)

7.7. Epígrafe (Opcional)

7.8. Resumo

7.9. Abstract

7.10. Lista de Ilustrações

7.11. Lista de Tabelas

7.12. Lista de Siglas

7.13. Sumário

8. Pós-Textuais

9. Apêndice

9.1. Código-Fonte

9.2. Endereço do Site