Planejamento e implementação de estrutura de Cloud Computing e frond-end Web para empresa de pesquisa multi-stakeholder de mercado.

• Processo: 23/13887-5
• Modalidade de apoio: Bolsas no Brasil - Programa Capacitação - Treinamento Técnico
• Data de Início da vigência: 01 de novembro de 2023
• Data de Término da vigência: 30 de junho de 2024
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
• Pesquisador responsável: Pedro Ernesto Pereira Paro
• Beneficiário: Mariana Tuma de Athayde
• CNAE: Pesquisas de mercado e de opinião pública
• Vinculado ao auxílio: 21/13418-0 - Classificador inteligente BERTimbau para pesquisa multi-stakeholder de mercado, AP.PIPE
• Assunto(s): Transferência de aprendizado de máquina Inteligência artificial
• Palavra(s)-Chave do Pesquisador: Bert | BERTimbau | Classificador inteligente | Nlp | Transfer Learning | Transformers model | Inteligencia Artificial

Resumo

Para esse projeto pretende-se expandir as atuais funcionalidades de uma plataforma de empresa de pesquisa multi-stakeholder de mercado, acrescentando funções de classificação de respostas usando técnicas de inteligência artificial. Para que este projeto seja bem sucedido este bolsista irá planejar e implementar a estrutura de Cloud Computing e front-end para suportar o correto uso da inteligência artificial. O objetivo deste plano de pesquisa é planejar e implementar a estrutura de Cloud Computing e front-end para suportar o correto uso da inteligência artificial. O sistema inteligente completo deve ser integrado ao atual sistema da empresa Humanizadas. Atualmente já existe um sistema em produção que faz o processo completo de elaboração das questões, captura das respostas e quantificação das questões fechadas. Este projeto, portanto, pretende substituir o módulo de classificação manual das questões dissertativas. Para isso é necessário adicionar este novo módulo em produção sem produzir paradas em outros módulos, será usada para este fim uma arquitetura baseada em API, neste formato de arquitetura, o novo módulo não compromete o desempenho do módulo principal (LAMOTHE, MAXIME AND GU, 2021). Além disso, vai-se implantar um Módulo Administrativo para controlar o enriquecimento da base para que a medida em que o banco de comentários da empresa for crescendo, o modelo possa ser treinado novamente a fim de aumentar sua eficiência. Isso é necessário em virtude do baixo número de registros na base de treino, o enriquecimento desta será uma tarefa importante para a empresa executar após a implantação no servidor de produção para que a base aumente e consequentemente aumente a eficiência dos quatro classificadores. Neste processo, a equipe interna da empresa terá um papel importante fazendo um trabalho manual de classificação quando o algoritmo não conseguir fazer a classificação automática. Apesar de se esperar que isso não aconteça com frequência, há uma necessidade de desenvolver uma interface amigável para essa tarefa para que a equipe não fique desestimulada a registrar as classificações. Adicionalmente será necessário o desenvolvimento de um módulo acoplado ao atual sistema para que a base enriquecida seja re-treinada, ou seja, que o processo de Fine Tuning de cada um dos quatro classificadores seja feito de forma mais automatizada possível para que cada vez mais a eficiência do algoritmo aumente. O bolsista irá fazer uma pesquisa aplicada de abordagem mista (qualitativa e quantitativa) de natureza exploratória. A partir dos levantamentos bibliográficos já feitos, experimentos serão realizados para construção dos modelos de para suportar a nova arquitetura em cloud. Além disso o bolsista utilizar ferramentas de prototipagem para testar as funcionalidades da solução tecnológica antes de sua implementação em produção.