Implementação de um otimizador em uma rede neural convolucional (em Python)

Contexto Geral do Projeto

Preciso fazer a implementação de um otimizador (framework já existente) em uma rede neural do tipo convolucional (já criada também) para um problema de identificação/classificação de cargas elétricas. A intenção do otimizador é encontrar uma configuração que, com o dataset menor possível, mantenha acurácia igual ou superior a 95% (otimização do tipo multi objetivo). A ideia é utilizar as metaheurísticas mopso ou nsga-ii que estão disponíveis no framework chamado platypus (disponível no github). Já tenho tudo pronto, a rede neural Cnn, os bancos de dados (.csv), e o tipo de otimizador (mopso ou nsga-ii, disponíveis no platypus). O serviço seria apenas uma consultoria referente à integração rede/otimizador. O código está disponível no Google Colab, de forma que pode ser modificado/colaborado remotamente.

Categoria TI e Programação
Subcategoria Programação
Qual é o alcance do projeto? Alteração média
Isso é um projeto ou uma posição de trabalho? Um projeto
Tenho, atualmente Eu tenho especificações
Disponibilidade requerida Conforme necessário
Funções necessárias Desenvolvedor

Prazo de Entrega: 30 de Maio de 2020

Habilidades necessárias