Existem dificuldades no aprendizado de um discente, o que pode levar o mesmo a evadir de disciplinas e até mesmo cursos. Sendo assim, o objetivo do presente trabalho é tentar diminuir a evasão e auxiliar o professor e os alunos através de análise de desempenho sem a necessidade de aplicar avaliações. O foco foi restringido em disciplinas de programação de computadores devido a sua complexidade e dificuldade de aprendizado apresentado pelos discentes. Será implementada uma rede neural artificial para tentar prever o desempenho dos discentes. Desta forma, o docente pode auxiliar casos que necessitam de mais atenção no aprendizado sem precisar esperar pelo resultado de uma avaliação. Para desenvolver o software, é necessário traçar um perfil do discente através de um questionário socioeconômico e acadêmico. Tendo perguntas baseadas nos resultados de trabalhos relacionados como o de Paulo Cortez em 2007 que mostrou que aspectos que aparentemente não teriam tanta influência como a profissão da mãe podem ter mais impacto no desempenho acadêmico do que se imagina. Já para o desenvolvimento desta inteligência artificial, será usado o framework TensorFlow que é escrito em C, mas contém uma camada acima implementada em Python para facilitar seu uso. Além disso, bibliotecas auxiliares serão utilizadas para análise de números e dados, como o Numpy e o Pandas. Foi montada uma equipe de seis pessoas para o desenvolvimento do sistema: um bolsista, um orientador e quatro voluntários. Utilizamos métodos de desenvolvimento ágeis, evitando assim retrabalho. São realizadas bi-semanalmente reuniões virtuais da equipe (reuniões de ciclo) para organizar as tarefas até a próxima reunião. Atualmente, o projeto está na fase inicial de desenvolvimento, mas já foi finalizada a fase de pesquisa, contando com 68 tarefas concluídas, 5 artigos lidos, 10 artigos ainda para ler e 16 datasets encontrados para pesquisa. E isso tudo ainda compreendeu o aprendizado destas tecnologias e também a de encontrar recursos para poder treinar a nossa inteligência enquanto não temos os dados finais para alimentar a rede neural.