Ensino de aprendizado de máquina na educação superior: práticas pedagógicas com foco em redes neurais convolucionais e árvore de decisão

Abstract

O estudo investigou como o ensino superior integra o Aprendizado de Máquina, especialmente técnicas como Redes Neurais Convolucionais, Árvores de Decisão e métodos ensemble. A análise de materiais acadêmicos mostrou que cursos combinam teoria, prática em laboratório e uso de ferramentas como Python e TensorFlow. Metodologias ativas e projetos reais são centrais para o desenvolvimento dos estudantes, embora desafios como falta de base matemática, limitações técnicas e necessidade de capacitação docente ainda dificultem o processo. Conclui-se que a articulação equilibrada entre teoria e prática é essencial para uma formação eficaz em AM.

This study investigated how higher education integrates Machine Learning, focusing on Convolutional Neural Networks, Decision Trees, and ensemble methods. The analysis of academic materials showed that courses combine theoretical instruction, laboratory practice, and the use of tools such as Python and TensorFlow. Active learning strategies and real-world projects play a central role in student development, although challenges such as limited mathematical background, technical constraints, and the need for continuous faculty training still hinder progress. The study concludes that a balanced articulation between theory and practice is essential for effective Machine Learning education.