😊 Emotions-RedeNeural — Projetos de Classificação e Inferência de Emoções

Este repositório reúne dois projetos relacionados à classificação e inferência de emoções usando Inteligência Artificial:

1. CNN 1D para classificar jogo/emoção a partir de sinais de EEG (experimentos)
2. Plataforma fullstack para inferência de emoções em imagens (faces)

---

📌 Projetos

1️⃣ Desafio-ML-ENGINEER — Classificador EEG (CNN 1D)

Objetivo: criar e avaliar uma CNN 1D para classificar o jogo/emoção com base em dados de EEG obtidos em experimentos.

O que você encontra aqui:

• Pipeline de treino e avaliação para séries temporais (EEG)
• Experimentos e notebooks (análises, validações, testes)
• Modelos em PyTorch voltados para CNN 1D

---

2️⃣ Desafio-AI-ENGINEER — Plataforma de Inferência de Emoções (Imagens)

Objetivo: aplicação fullstack que utiliza Rede Neural para identificar emoções em fotos automaticamente.

Principais características:

• Frontend: React + TypeScript
• Backend: Python (API para inferência)
• Modelo: PyTorch com apoio do OpenCV (ex.: detecção/recorte facial)
• Dockerizado: execução com Docker Compose

---

✨ Funcionalidades (Resumo)

• Classificação em EEG (CNN 1D): previsão de jogo/emoção a partir de sinais temporais.
• Inferência em Imagens: detecção e classificação de emoções a partir de fotos.
• Execução simplificada: ambos projetos sobem via Docker Compose.

---

🚀 Como Rodar os Projetos

✅ Pré-requisitos

• Docker e Docker Desktop instalados.

---

🧠 Rodando o Projeto 1 (EEG — CNN 1D)

Entre na pasta do projeto e suba os serviços:

cd Desafio-ML-ENGINEER
docker-compose up --build

Se o projeto expuser portas/serviços, consulte o docker-compose.yml dentro da pasta para ver os endpoints.

---

🖼️ Rodando o Projeto 2 (Inferência por Imagem — Fullstack)

Entre na pasta do projeto e suba os serviços:

cd Desafio-AI-ENGINEER
docker-compose up --build

Após subir, consulte os endpoints/portas no docker-compose.yml do projeto (ex.: frontend/backend).

---

🧠 Tecnologias Utilizadas

• Frontend: React.js + TypeScript
• Backend: Python (ex.: Flask/FastAPI, conforme o projeto)
• IA / Modelos: PyTorch
• Visão Computacional: OpenCV
• Experimentação: Jupyter Notebook
• Infraestrutura: Docker / Docker Compose

---

📁 Estrutura do Repositório

Emotions-RedeNeural/
├── Desafio-AI-ENGINEER/      # Projeto 2: Plataforma fullstack (inferência em imagens)
│   ├── docker-compose.yml
│   └── ...
├── Desafio-ML-ENGINEER/      # Projeto 1: CNN 1D para EEG (classificação jogo/emoção)
│   ├── docker-compose.yml
│   └── ...
└── README.md                 # README global (este arquivo)

---

📚 Documentação

• Desafio-ML-ENGINEER: detalhes de dataset, treino e avaliação estão na própria pasta do projeto.
• Desafio-AI-ENGINEER: documentação detalhada está no README já existente dentro do projeto.