Faz pequenos ajustes no texto

texto/01-introducao/main.tex

@@ -12,15 +12,16 @@ \section{Introdução}
 impactar propostas de personalização de tratamento negativamente \cite{Taubitz2022}.
 
 Técnicas de inteligência artificial baseadas em aprendizagem de máquina apresentam a capacidade de integrar uma grande quantidade de dados, impondo
-poucas restrições ao comportamento das variáveis observadas e produzindo modelos flexíveis aplicáveis em diferentes contextos \cite{Dwyer2018}. Em essência,
-a aprendizagem de máquina consiste no uso de métodos estatísticos e computacionais para identificar padrões de relacionamento subjacentes a um grande conjunto
-de dados, permitindo a construção de modelos classificatórios ou preditivos \cite{Roth2018}. Estudos sobre a aplicação de modelos de aprendizagem de máquina na
-previsão do desfecho de tratamentos em saúde mental apresentam resultados promissores \cite{Dwyer2018}, o que possibilitaria maior assertividade na personalização
-de tratamentos psicoterápicos a nível individual. Embora promissores, os modelos de aprendizagem de máquina apresentam uma série de limitações e sua aplicação
-em contextos de saúde deve ser criteriosamente avaliada. Para tanto, a Organização Mundial da Saúde documentou uma série de considerações sobre o uso dessa tecnologia
-nos cuidados em saúde, incluindo temas como validação analítica do modelo, métricas de performance e comparação \cite{WHO2023}.
+poucas restrições ao comportamento das variáveis observadas e produzindo modelos flexíveis aplicáveis em diferentes contextos \cite{Dwyer2018}. Em
+essência, a aprendizagem de máquina consiste no uso de métodos estatísticos e computacionais para identificar padrões de relacionamento subjacentes
+a um grande conjunto de dados, permitindo a construção de modelos classificatórios ou preditivos \cite{Roth2018}. Estudos sobre a aplicação de modelos
+de aprendizagem de máquina na previsão do desfecho de tratamentos em saúde mental apresentam resultados promissores \cite{Dwyer2018}, o que possibilitaria
+maior assertividade na personalização de tratamentos psicoterápicos a nível individual. Embora promissores, os modelos de aprendizagem de máquina apresentam
+uma série de limitações e sua aplicação em contextos de saúde deve ser criteriosamente avaliada. Para tanto, a Organização Mundial da Saúde documentou uma
+série de considerações sobre o uso dessa tecnologia nos cuidados em saúde, incluindo temas como validação analítica do modelo, métricas de performance e
+comparação \cite{WHO2023}.
 
-Este trabalho tem por objetivo identificar e discutir as possíveis aplicações e limitações do uso de modelos baseados em aprendizagem de máquina na prática da psicologia
-clínica. Busca-se também ilustrar o uso da aprendizagem de máquina no auxílio à tomada de decisões para o planejamento de intervenções psicoterápicas. Utilizando um
-conjunto de dados de uma intervenção digital em psicologia positiva para depressão \cite{Collins2023}, pretende-se construir modelos de regressão linear, clustering, support
-vector machine, árvores de decisão e redes neurais, avaliando o desempenho e discutindo a adequação de cada técnica ao contexto da psicologia clínica.
+Este trabalho tem por objetivo identificar e discutir as possíveis aplicações e limitações do uso de modelos baseados em aprendizagem de máquina na prática
+da psicologia clínica. Busca-se também ilustrar o uso da aprendizagem de máquina no auxílio à tomada de decisões para o planejamento de intervenções psicoterápicas.
+Utilizando um conjunto de dados de uma intervenção digital em psicologia positiva para depressão \cite{Collins2023}, pretende-se construir modelos de regressão linear,
+clustering, support vector machine, árvores de decisão e redes neurais, avaliando o desempenho e discutindo a adequação de cada técnica ao contexto da psicologia clínica.

texto/02-desenvolvimento/main.tex

@@ -1,6 +1,4 @@
-\section{Desenvolvimento}
-
-Texto do desenvolvimento.
+\section{Conceitos Básicos de Aprendizagem de Máquina}
 
 \input{02-desenvolvimento/01-machine-learning/main.tex}