Guia prático para quem quer participar da ONIA
A olimpíada nacional de inteligência artificial é organizada pela SBC (Sociedade Brasileira de Computação) em parceria com a Casa da Ciência. A competição é dividida em duas categorias principais: a de Fundamentos, voltada para alunos do ensino médio que estão tendo o primeiro contato com o tema, e a de Iniciação Científica, destinada a quem já tem uma base mais sólida e quer desenvolver um projeto original. O regulamento é publicado todo ano no site oficial da SBC. As provas têm formato teórico e prático. Na fase teórica, as questões cobram conceitos de matemática, programação e raciocínio lógico aplicados ao contexto de IA. A parte prática geralmente envolve implementar algo funcional — um modelo simples, uma API, uma visualização — dentro de um tempo limitado.
Como funciona a olimpíada nacional de inteligência artificial
O calendário costuma seguir esse padrão: inscrições abertas entre julho e agosto, fase inicial eliminatória em setembro, e a final nacional em novembro ou dezembro. O registro é feito diretamente pelo site da competição, com vínculo à escola. Você precisa ter um e-mail institucional ou criar um acesso na plataforma deles. O diferencial é que a prova prática permite usar qualquer framework ou linguagem que você domine. Não há restrição de biblioteca. No ano passado, a banca pediu para construir um classificador de texto simples usando Python e scikit-learn. O dataset era fornecido junto com o enunciado. A avaliação considerava acurácia, tempo de execução e a qualidade do readme explicando o código. Alguns participantes submeteram modelos muito complexos para o problema — transformers quando uma rede rasa com TF-IDF resolvia em um décimo do tempo. A pontuação prática diminuiu por causa do overhead computacional.
O que a maioria dos alunos não percebe na olimpíada nacional de inteligência artificial é que a parte de documentação pesa tanto quanto o código em si. Eu vi gente que fez um projeto impecável tecnicamente e ficou fora da final porque o readme estava incompleto ou em português incorreto. A banca exige que todo o trabalho seja apresentado em português, incluindo comentários no código. Isso parece bobo, mas é um critério de eliminação real. Outro ponto que os organizadores mudaram recentemente: na fase regional, agora há uma prova chamada "desafio de interpretabilidade". Você recebe um modelo pronto e precisa explicar, por escrito, quais features ele mais utilizou para tomar cada decisão. Isso exigiu que eu ajustasse minha preparação. Comecei a treinar com SHAP e LIME de forma sistemática. Sem entender essas ferramentas, a prova vira um chute.
O que estudar para passar na primeira fase
A base é mais ampla do que muitos imaginam. Não adianta só saber treinar modelo. A prova teórica cobra probabilidade, estatística descritiva, álgebra linear básica e lógica proposicional. Se você não revê esses conteúdos com antecedência, chega na prova e gasta trinta minutos apenas decodificando o enunciado. Para programação, pratique com problemas de competições clássicas como o Codeforces ou a Maratona de Programação da SBC. O nível não é Extreme, mas exige que você escreva código limpo e eficiente sob pressão de tempo. Recomendo dominar pelo menos Python e ter familiaridade com pandas, numpy e scikit-learn. R também é aceito, mas a curva de aprendizado é maior se você nunca usou.
👉 Clique no botão abaixo para saber mais sobre o assunto!
A parte de IA em si foca em:
- Regressão linear e logística
- Árvores de decisão e random forests
- Vetores de suporte (SVM)
- Redes neurais básicas (perceptron, MLP)
- Noções de NLP e visão computacional
- Métricas de avaliação: precisão, recall, F1, ROC-AUC
Não precisa aprofundar em deep learning avançado para a fase inicial. A maioria das questões práticas pode ser resolvida com modelos clássicos. Deep learning aparece mais na categoria de Iniciação Científica, onde o projeto precisa ter algum grau de originalidade.
Dica que ninguém conta
Na prova prática, o dataset pode vir com problemas reais de qualidade. Missing values, colunas com strings sujas, valores fora de escala. Eu perdi pontos no ano passado por não tratar um problema de desbalanceamento que estava explícito nos dados. A acurácia do meu modelo era alta, mas o recall para a classe minoritária era perto de zero. A banca punia isso diretamente. A correção foi simples: usei SMOTE para oversampling e ajustei o threshold de decisão. Mas o tempo que eu levei para perceber o problema custou a medalha. Outro erro comum: não fazer validação cruzada. Alguns alunos treinam no dataset inteiro e testam nos mesmos dados. Isso é eliminatório na hora da correção. Use k-fold cross-validation sempre, mesmo que o dataset seja pequeno. A banca sabe disso e cobra.
Inscrições e recursos
As inscrições são gratuitas e abertas a todos os alunos do ensino médio brasileiro, tanto da rede pública quanto privada. O link oficial é o mesmo do site da SBC para a olimpíada nacional de inteligência artificial. Antes de se inscrever, baixe o regulamento completo do ano vigente e leia com atenção. As regras mudam ligeiramente a cada edição, especialmente nos critérios de avaliação da parte prática. Para prática, além dos materiais da própria SBC, recomendo o curso gratuito de introdução à IA do IMPA e os exercícios do Kaggle. O Kaggle é especialmente útil porque simula cenários reais de limpeza e análise de dados, algo que cai direto na prova.
Se você está na categoria de Iniciação Científica, comece a pensar no projeto com pelo menos três meses de antecedência. O tema não precisa ser revolucionário. Projetos bem executados sobre temas simples costumam ir mais longe do que ideias ambiciosas mal implementadas. A banca valoriza clareza, reprodutibilidade e análise crítica dos resultados. Uma última coisa: não subestime a fase oral. Se você passar para a final, haverá uma banca avaliativa presencial ou online.Prepare-se para defender seu código e explicar suas escolhas técnicas. Eu já vi candidatos que tiveram o melhor projeto da competição serem rebaixados na defesa porque não conseguiam justificar por que escolheram XGBoost em vez de uma floresta aleatória. Saber o porquê das suas decisões técnica faz diferença real.
