Almeja-se, na presente pesquisa, desenvolver algoritmos de aprendizagem de máquina capazes de identificar estados cerebrais, como emoções e nível de concentração, utilizando dados de eletroencefalografia (EEG). Sendo assim, o objetivo é exploratório, visto que busca compreender a categorização de ondas cerebrais por programas de inteligência artificial (IA). Será feito um experimento de áudio e vídeo envolvendo 6 voluntários, no qual, utilizando trechos de filmes, problemas matemáticos e músicas, a atividade mental dos participantes será medida com o EEG, e as leituras recebidas então serão usadas para treinar e testar modelos de IA. Cada um deles será gerado a partir de algum método diferente, como Random Forest (RF), Support Vector Machine (SVM) e K-Nearest Neighbours (KNN). Em seguida, a precisão deles será medida com um conjunto de dados selecionados aleatoriamente dentre os coletados, e o mais acurado será selecionado e disponibilizado em um web service, em conjunto com todas as informações obtidas com os experimentos, caracterizando, portanto, o método de engenharia – resolver o problema da categorização de estados mentais a partir da plataforma virtual contendo os algoritmos desenvolvidos. Como resultado, espera-se obter uma alta precisão na identificação de estados mentais. Isso permitiria auxiliar a comunidade científica em futuras pesquisas relacionadas, tendo em mente que há poucos dados e ferramentas de análise de EEG disponíveis publicamente, e o aparelho em si não é muito acessível. Além disso, possíveis aplicações poderiam ser simplificadas com esses modelos, como aplicativos que auxiliam no relaxamento ou na meditação. Palavras-chave: Eletroencefalografia; EEG; Machine Learning; Inteligência Artificial; Neurociências; Python