@MASTERSTHESIS{ 2025:2106774457,
 	title = {MH-AutoML: solução AutoML para o domínio de Malwares Android},
 	year = {2025},
 	url = "https://tede.ufam.edu.br/handle/tede/11224",
 	abstract = "Este estudo investiga o emprego de frameworks de Automated Machine Learning (AutoML) e propõe o desenvolvimento do MH-AutoML (Malware Hunter Automated Machine Learning), um framework específico projetado para detecção de malware Android. Essa solução representa uma evolução do premiado DroidAutoML, que recebeu reconhecimento como a segunda melhor ferramenta no Simpósio Brasileiro em Segurança da Informação e de Sistemas Computacionais (SBSeg 2022). O cerne deste estudo reside em simplificar os processos cruciais inerentes ao pipeline de aprendizado de máquina, abrangendo limpeza de dados, engenharia de características, seleção de algoritmos, ajuste de hiperparâmetros e avaliação de modelos.
 
 O MH-AutoML está sendo meticulosamente desenvolvido com ênfase especial em personalização, transparência, interpretabilidade e depuração. Além disso, princípios de baixo acoplamento foram aplicados, melhorando substancialmente a organização da ferramenta, bem como sua capacidade de evolução e manutenção.
 
 O trabalho conclui com discussões que abrangem possíveis melhorias e direções futuras para o MH-AutoML. Essas considerações reconhecem a importância contínua de aprimoramento e inovação nesse domínio fundamental de pesquisa.",
 	publisher = {Universidade Federal do Amazonas},
 	scholl = {Programa de Pós-graduação em Informática},
 	note = {Instituto de Computação}
}