Projeto de AP: Deteção de Texto Humano vs IA

Este repositório contém o trabalho desenvolvido para a unidade curricular de Aprendizagem Profunda. O objetivo do projeto é classificar textos entre 5 fontes: Humano, Google, Meta, Anthropic e OpenAI.

Grupo

• Aluno 1: Luís Pinto da Cunha (pg60280)
• Aluno 2: Nuno Filipe Leite Oliveira Araújo (pg61218)
• Aluno 3: Rodrigo Miguel Granja Ferreira (pg60392)
• Aluno 4: Tomás Henrique Alves Melo (pg60018)

Organização do Repositório

O projeto está estruturado de forma modular:

• data/: Contém os datasets em formato CSV utilizados para treino e validação (original, limpo e exemplos).
• models/: Implementações de diversos modelos de aprendizagem profunda:
  • numpy_models/: Implementação Numpy de raiz da arquitetura de redes neuronais (camadas, ativações, otimizadores, etc.).
  • pytorch_models/: Implementações utilizando a framework PyTorch (MLP, RNN, LSTM, GRU).
  • transformers_models/: Modelos baseados em Transformers.
  • llm_models/: Avaliação de Large Language Models para classificação de texto.
• notebooks/: Notebooks Jupyter para experimentação e apresentação de resultados detalhados.
• scripts/: Scripts Python para recolha de dados via APIs (Google, OpenAI, Meta, Anthropic), limpeza automática e fusão de datasets.
• Subm1/, Subm2/, Subm3/: Resultados e notebooks de submissão para as diferentes etapas do projeto.
• Apresentacao/: Apresentação do projeto (vídeo).
• subm*.csv: Datasets usados na predição das 3 submissões.

Avaliação Final

Nota: 18/20