Iniciada em 18/05 e finalizada em 15/06, a segunda sprint da equipe de Business Intelligence (BI), da 4ª turma de residência na Justiça Federal no Rio Grande do Norte (JFRN), compreendeu tarefas voltadas para os seguintes tópicos: a retomada no desenvolvimento do projeto do Classificador de Petições Iniciais; o estabelecimento de uma estruturação das sprints no GitLab da JFRN; e a iniciativa de criar uma documentação de MLOps a ser seguida pelas equipes de BI.

Para cumprir a missão de integrar o Classificador com sua interface de testes, o CEOS, foi primeiro necessário que os residentes obtivessem conhecimento acerca de seu funcionamento e, para tal fim, efetuou-se a revisão dos códigos dos componentes que compõem esse projeto. Durante a realização da atividade, a equipe enfrentou a dificuldade imposta pela desatualização dos repositórios no GitLab. Após ultrapassar esse obstáculo, foi possível dar continuidade à missão. Dentre as tarefas previstas e realizadas para a sprint envolvendo esse tópico, tem-se a execução do backend e frontend do CEOS, com a integração à API do Classificador; criação de testes, tanto para o modelo de admissibilidade quanto para o de especialidade das perícias; a dockerização dos programas; e, por fim, subir o CEOS e o Classificador para o servidor da JFRN.

Em seguida, pode-se abordar a entrega de uma documentação respectiva ao uso do GitLab pelas equipes de BI. Dado que o GitLab oferece inúmeras funcionalidades, concedendo a autonomia ao usuário de organizar o espaço conforme sua preferência, deduziu-se que seria proveitoso estabelecer um passo-a-passo a ser seguido pelos residentes quanto à organização de suas sprints. A documentação engloba instruções descritas de forma descomplicada e ilustrativa.

Por último, a terceira distinta missão dessa sprint diz-se respeito ao processo de MLOps. Sendo um conjunto de práticas para a execução do pipeline de Machine Learning (ML) de forma confiável e eficiente, é um importante elemento a ser abordado pelas equipes de BI durante o desenvolvimento de tecnologias de Inteligência Artificial (IA), campo este que tem entrado em evidência no âmbito jurídico. Para tanto, os residentes utilizaram variadas fontes de conhecimento para o estudo de MLOps e, considerando que é um importante elemento desse fluxo, também efetuaram uma pesquisa de ferramentas para versionamento de modelos e dados. Combinando os resultados encontrados, foi criada uma documentação de como produzir projetos de ML conforme as boas práticas recomendadas, incluindo uma proposta de ferramentas a serem usadas para o controle de versão.