Tipo:	Trabalho de Conclusão de Curso
Título:	A inteligência artificial aplicada na exploração espacial moderna
Autor(es):	Fernandes, Alan Araújo
Primeiro Orientador:	Vinhal, Gustavo Siqueira
metadata.dc.contributor.referee1:	Vieira, Sibelius Lellis
metadata.dc.contributor.referee2:	Abadia, Fernando Gonçalves
Resumo:	O presente trabalho investiga a aplicação do algoritmo Extreme Gradient Boosting (XGBoost) na classificação binária de exoplanetas, um desafio crucial imposto pelo grande volume de dados gerados pelas missões espaciais. O objetivo central foi implementar e avaliar um modelo de Machine Learning com ênfase na otimização de hiperparâmetros e na comprovação da capacidade de generalização entre os conjuntos de dados distintos das missões Kepler e TESS. A metodologia envolveu a coleta e o pré-processamento de dados de ambas as missões, a seleção de 10 características (features) relevantes e o treinamento do XGBoost, com o ajuste fino de hiperparâmetros por meio da técnica RandomizedSearchCV. Os resultados demonstraram o sucesso da otimização: o modelo otimizado alcançou uma Acurácia de Teste de 84,36% no dataset Kepler, superando modelos que apresentaram subajuste (underfitting) e sobreajuste (overfitting). A generalização foi então comprovada com a aplicação do mesmo modelo no dataset da missão TESS, mantendo um alto desempenho com Acurácia de Teste de 79,75%. Conclui-se que o modelo desenvolvido é uma ferramenta eficiente, robusta e versátil, capaz de modernizar e acelerar o processo de identificação de candidatos a exoplanetas na exploração espacial moderna.
Palavras-chave:	Inteligência artificial XGBoost Exoplanetas Machine learning Kepler TESS
CNPq:	CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Idioma:	por
País:	Brasil
Editor:	Pontifícia Universidade Católica de Goiás
Sigla da Instituição:	PUC Goiás
metadata.dc.publisher.department:	Escola Politécnica
Tipo de Acesso:	Acesso Aberto
URI:	https://repositorio.pucgoias.edu.br/jspui/handle/123456789/9619
Data do documento:	1-Dez-2025
Aparece nas coleções:	TCC Ciência da Computação

Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.