Com a busca de novas tecnologias, a construção civil se depara com o BIM (Building Information Modeling), um modelo capaz de conectar diversas áreas e participar do ciclo todo de vida do projeto. Porém, esse modelo não é tão simples de ser desenvolvido e a quantidade de dados que fornece acaba dificultando a construção e avaliação do mesmo. Para isso, desenvolvedores começaram a utilizar de técnicas de aprendizagem de máquina para auxiliar na classificação de objetos em modelos BIM. O objetivo desse trabalho foi extrair os dados BIM e converte-los para um arquivo IFC, onde foi desenvolvido um sistema capaz de ler os dados, transforma-los em dataframes, onde serão utilizados para treinamento e teste dos modelos criados (máquina de vetor de suporte, máquina de vetor de suporte com hiperparâmetros, máquina de vetor de suporte de classe única, árvore de decisão, floresta aleatória e PU learning), para enfim, realizar três experimentos e compara-los para obter os melhores e piores classificadores para predição de paredes, portas e janelas em projetos arquitetônicos. Como base do projeto, utilizará um trabalho da literatura, onde todo o processo será replicado e depois melhorado de acordo com os problemas encontrados. A partir dos dados obtidos serão comparadas e averiguadas as diferenças de cada projeto e quanto impacta no valor de predição do modelo no problema, além de demonstrar uma classificação para cada um dos classificadores criados a partir do problema.São Cristóvão, SE