---

title: Cidadão.AI Models emoji: 🤖 colorFrom: blue
colorTo: green sdk: docker app_port: 8001 pinned: false license: mit tags: - transparency - government - brazil - anomaly-detection

- fastapi

🤖 Cidadão.AI Models

Modelos especializados de Machine Learning para análise de transparência pública brasileira

🎯 Visão Geral

Cidadão.AI Models é o repositório especializado em modelos de machine learning para o ecossistema Cidadão.AI. Contém modelos customizados, pipeline de treinamento MLOps e infraestrutura de inferência para análise avançada de dados de transparência pública.

🚀 Capacidades Principais

• 🔍 Detecção de Anomalias - Identificação automática de padrões suspeitos em contratos públicos
• 📊 Análise de Padrões - Reconhecimento de correlações e tendências em dados governamentais
  
• 🌊 Análise Espectral - Detecção de padrões temporais e sazonais via FFT
• 🤖 Modelos Customizados - Arquiteturas especializadas para transparência brasileira
• 🔄 Pipeline MLOps - Treinamento, versionamento e deploy automatizados

🏗️ Arquitetura

src/ ├── models/ # Modelos de ML especializados │ ├── anomaly_detection/ # Detecção de anomalias │ ├── pattern_analysis/ # Análise de padrões │ ├── spectral_analysis/ # Análise espectral │ └── core/ # Classes base e utilitários ├── training/ # Pipeline de treinamento │ ├── pipelines/ # Pipelines de treinamento │ ├── configs/ # Configurações de modelos │ └── utils/ # Utilitários de treinamento ├── inference/ # Servidor de inferência │ ├── api_server.py # FastAPI server │ ├── batch_processor.py # Processamento em lote │ └── streaming.py # Inferência em tempo real └── deployment/ # Ferramentas de deploy ├── huggingface/ # Integração HuggingFace Hub ├── docker/ # Containerização └── monitoring/ # Monitoramento de modelos

🚀 Quick Start

Instalação

```bash

Clone o repositório

git clone https://github.com/anderson-ufrj/cidadao.ai-models cd cidadao.ai-models

Instale as dependências

pip install -r requirements.txt

Instale o pacote em modo desenvolvimento

pip install -e . ```

Uso Básico

```python from cidadaomodels.models.anomalydetection import AnomalyDetector from cidadaomodels.models.patternanalysis import PatternAnalyzer

Inicializar modelos

anomalydetector = AnomalyDetector() patternanalyzer = PatternAnalyzer()

Analisar contratos para anomalias

contracts = [...] # Lista de contratos anomalies = anomaly_detector.analyze(contracts)

Analisar padrões temporais

patterns = patternanalyzer.analyzetemporal_patterns(data) ```

Servidor de Inferência

```bash

Iniciar servidor API

uvicorn src.inference.api_server:app --host 0.0.0.0 --port 8001

Testar endpoint

curl -X POST "http://localhost:8001/v1/detect-anomalies" \ -H "Content-Type: application/json" \ -d '{"contracts": [...]}' ```

🧠 Modelos Disponíveis

🔍 Detector de Anomalias

• Algoritmos: Isolation Forest, One-Class SVM, Local Outlier Factor
• Especialização: Contratos públicos brasileiros
• Métricas: Precisão >90% para anomalias críticas

📊 Analisador de Padrões

• Capacidades: Time series, correlações, clustering
• Técnicas: Prophet, FFT, decomposição sazonal
• Output: Padrões temporais e insights explicáveis

🌊 Analisador Espectral

• Método: Transformada rápida de Fourier (FFT)
• Detecção: Padrões periódicos suspeitos
• Aplicação: Irregularidades sazonais em gastos

🛠️ Desenvolvimento

Estrutura de Testes

```bash

Executar todos os testes

pytest tests/

Testes específicos

pytest tests/unit/models/ pytest tests/integration/ pytest tests/e2e/ ```

Treinamento de Modelos

```bash

Treinar modelo de detecção de corrupção

python src/training/pipelines/traincorruptiondetector.py --config configs/corruption_bert.yaml

Avaliar performance

python src/training/evaluate.py --model corruptiondetector --testdata data/test.json ```

Deploy HuggingFace

```bash

Upload para HuggingFace Hub

python src/deployment/huggingface/upload.py --modelpath models/anomalydetector --repo_name cidadao-ai/anomaly-detector ```

🔄 Integração com Backend

Este repositório se integra com o cidadao.ai-backend através de:

• API REST: Servidor de inferência FastAPI
• Package Integration: Importação direta como dependência
• Fallback Local: Processamento local se API indisponível

```python

No backend

from src.tools.models_client import ModelsClient

client = ModelsClient("http://models-api:8001") results = await client.detect_anomalies(contracts) ```

📊 MLOps Pipeline

Treinamento Automatizado

• ⚡ CI/CD: Pipeline automatizado GitHub Actions
• 📈 Experiment Tracking: MLflow + Weights & Biases
• 🔄 Model Versioning: HuggingFace Hub integration
• 📊 Performance Monitoring: Drift detection + alerting

Deployment

• 🐳 Containerização: Docker para produção
• 🤗 HuggingFace Spaces: Demo models deployment
• 🚀 Kubernetes: Orquestração escalável
• 📡 Monitoring: Prometheus metrics + Grafana dashboards

🔗 Links Relacionados

• 🏛️ Backend: cidadao.ai-backend
• 🎨 Frontend: cidadao.ai-frontend
• 📚 Documentação: cidadao.ai-docs
• 🤗 HuggingFace: cidadao-ai organization

📈 Status do Projeto

• ✅ Estrutura Base: Completa
• 🔄 Migração ML: Em andamento
• ⏳ API Server: Planejado
• ⏳ HF Integration: Próximo

👨‍💻 Contribuição

1. Fork o projeto
2. Crie uma branch para sua feature (git checkout -b feature/AmazingFeature)
3. Commit suas mudanças (git commit -m 'feat: add amazing feature')
4. Push para a branch (git push origin feature/AmazingFeature)
5. Abra um Pull Request

📄 Licença

Distribuído sob a licença MIT. Veja LICENSE para mais informações.

👨‍💻 Autor

Anderson Henrique da Silva
📧 andersonhs27@gmail.com | 💻 GitHub

---