Imported from mateusnriy/diabetes-ml-prediction (
AGENTS.md). Install upstream withnpx skills add mateusnriy/diabetes-ml-prediction. Copyright stays with the author.
AGENTS.md — Projeto: Predição de Diabetes com Machine Learning
Arquivo principal de instruções para o Antigravity CLI (agy). Este arquivo deve estar na raiz do repositório e será lido automaticamente pelo agente em cada sessão.
Identidade do Projeto
| Campo | Valor |
|---|---|
| Nome | diabetes-ml-prediction |
| Tipo | Trabalho Acadêmico — Reprodução de Artigo Científico |
| Disciplina | Inteligência Artificial |
| Artigo base | Khanam & Foo (2021) — ICT Express, DOI: 10.1016/j.icte.2021.02.004 |
| Dataset | Pima Indians Diabetes — UCI Machine Learning Repository |
| Entrega | 19/06/2026 |
| Linguagem principal | Python 3.10+ |
Documentação de Referência
Toda documentação técnica do projeto está em docs/. Leia os arquivos relevantes antes de gerar código:
| Arquivo | Conteúdo |
|---|---|
docs/01_requisitos.md |
Requisitos funcionais e não funcionais |
docs/02_arquitetura.md |
Arquitetura do projeto e fluxo de dados |
docs/03_estrutura_pastas.md |
Organização completa do repositório |
docs/04_convencoes.md |
Convenções de código, commits e nomenclatura |
docs/05_dados.md |
Especificação completa do dataset |
docs/06_modelos.md |
Especificação dos modelos de ML a implementar |
docs/07_experimentos.md |
Plano de experimentos e métricas |
docs/08_relatorio.md |
Estrutura e diretrizes do relatório técnico |
docs/09_fluxo_trabalho.md |
Fluxo de trabalho com o Antigravity CLI |
Regras Absolutas (nunca violar)
- Reprodutibilidade: sempre usar
random_state=42em todo código com aleatoriedade. - Idioma: comentários e docstrings em português; código (variáveis, funções, classes) em português.
- Notebooks autocontidos: cada notebook deve rodar do zero sem depender de outro.
- Sem dados no repositório: nunca fazer commit do arquivo
diabetes.csv. Usar.gitignore. - Resultados rastreáveis: toda execução deve salvar métricas em
results/resultados.csv. - Células de instalação: todo notebook deve ter célula inicial com
pip install -r requirements.txt. - Sem magic numbers: constantes como
TEST_SIZE,N_SPLITS,EPOCHSdevem estar emsrc/config.py.
Stack Tecnológica
Python 3.10+
pandas 2.x
numpy 1.26+
scikit-learn 1.4+
tensorflow 2.16+
keras (incluso no tensorflow)
matplotlib 3.8+
seaborn 0.13+
jupyter 1.0+
imbalanced-learn 0.12+
shap 0.45+
Comandos Rápidos para o agy
# Gerar estrutura completa de pastas
agy -p "Leia docs/03_estrutura_pastas.md e crie todos os diretórios e arquivos base do projeto"
# Gerar notebook de EDA
agy -p "Leia docs/05_dados.md e docs/04_convencoes.md e crie notebooks/01_eda.ipynb"
# Gerar pré-processamento
agy -p "Leia docs/05_dados.md e crie notebooks/02_preprocessamento.ipynb"
# Gerar modelos clássicos
agy -p "Leia docs/06_modelos.md e docs/07_experimentos.md e crie notebooks/03_modelos_classicos.ipynb"
# Gerar rede neural
agy -p "Leia docs/06_modelos.md e crie notebooks/04_rede_neural.ipynb"
# Gerar código modular
agy -p "Leia docs/02_arquitetura.md e crie todos os módulos em src/"
# Gerar relatório
agy -p "Leia docs/08_relatorio.md e gere o relatório em reports/relatorio_tecnico.md"