Otimização do backend e banco de dados para aperfeiçoamento da recomendação de Sellers a Buyers

• Processo: 24/02587-3
• Modalidade de apoio: Bolsas no Brasil - Programa Capacitação - Treinamento Técnico
• Data de Início da vigência: 01 de abril de 2024
• Data de Término da vigência: 31 de maio de 2024
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
• Pesquisador responsável: Roseane Jamile Lopes Ramos
• Beneficiário: Milena Cardoso França
• CNAE: Desenvolvimento e licenciamento de programas de computador customizáveis
• Vinculado ao auxílio: 23/06335-6 - Match<IT>: eficiência e inteligência de dados na conexão da oferta e demanda B2B de serviços de TI, AP.PIPE
• Assunto(s): Inteligência artificial Aprendizado computacional Processamento de linguagem natural
• Palavra(s)-Chave do Pesquisador: Inteligência Artificial | machine learning | natural language processing | Processamento de linguagem natural

Resumo

Match é uma plataforma business to business (B2B) proposta para que compradores (Buyers) e vendedores (Sellers)de servicos de tecnologia da informação (TI) possam realizar conexões de forma simples e otimizada.Para viabilizar a evolução dessa solução na Fase 2 do projeto, informações coletadas tanto de Buyers quanto de Sellersserão utilizadas para realizar o "match" entre um Buyer e os Sellers mais recomendados dadas as demandas do primeiro.Esse "match", por sua vez, será realizado de forma personalizada, para isso contando com o uso de técnicas avançadas deaprendizado de máquina, em particular de processamento de linguagem natural (PLN).A evolução da maturidade de uma plataforma com essas características incorre em vários desafios tecnológicos queprecisam ser superados; entre eles, o projeto de otimização e adequação contínua de um banco de dados adequado tantopara armazenamento das informações de Buyers e de Sellers quanto para a realização de consultas a esses dados durantea aplicação de técnicas de PLN para realizar "matches", alinhando os requisitos de infraestrutura à evolução das práticasde aprendizado de máquina (AM) desenvolvidas ao longo do crescimento do nível TRL da solução.