DriftSense-PM

Descrição

Manual de reprodutibilidade técnica do projecto DriftSense-PM. Este repositório agrega o código, os dados processados e os artefactos necessários para reproduzir o pipeline completo de extração de características, treino de modelos, avaliação factorial, análise estatística e geração de gráficos.

Autores

• Eduarda Pereira
• Gonçalo Ferreira
• Gonçalo Magalhães

Pré-requisitos

• Sistema operativo Linux (Ubuntu 20.04+ recomendado) ou Raspberry Pi OS.
• Python 3.10 ou superior.
• git para obter o código-fonte.
• conda ou virtualenv para isolamento do ambiente.
• docker apenas se pretender usar o fluxo de contentorização.

Instalação de dependências

O projecto disponibiliza dependências em env/environment.yml e em env/requirements.txt.

Conda:

conda env create -f env/environment.yml
conda activate driftsense-pm

pip + virtualenv:

python3 -m venv .venv
source .venv/bin/activate
pip install -r env/requirements.txt

Configuração técnica

O ficheiro central é configs/config.yaml. Confirme, pelo menos, os seguintes parâmetros antes de executar a solução:

• paths.raw_data_dir: origem dos CSV raw.
• paths.processed_dir: destino dos ficheiros de features.
• paths.models_dir: destino dos modelos treinados.
• paths.results_dir: destino de métricas, relatórios e figuras.
• system.sampling_rate_hz: frequência de amostragem usada no processamento.
• feature_engineering.window_size e feature_engineering.step_size.

Execução da solução

1. Ativar o ambiente criado na secção anterior.
2. Mudar para a pasta dos scripts:

cd scripts

3. Executar a extracção de features:

python3 feature_engineering.py

4. Treinar o modelo baseline:

python3 train_baseline_full.py

5. Executar a avaliação factorial completa:

python3 master_script.py

6. Gerar análise estatística e tabelas finais:

python3 statistical_analysis.py

7. Gerar as figuras finais:

python3 generate_thesis_plots.py

Resultados esperados

• Modelos: models/baseline_model.pkl e models/scaler.pkl.
• Métricas: results/metrics/.
• Figuras: results/figures/.
• Dados processados: data/processed/.

Documentação relacionada

• REPRODUCIBILITY.md contém a reprodução técnica.
• RUN.md contém os comandos exactos de execução.