Busca avançada
Ano de início
Entree

Recomendação de itens de interesse da BeeNet

Processo: 20/09174-5
Modalidade de apoio:Bolsas no Brasil - Programa Capacitação - Treinamento Técnico
Data de Início da vigência: 01 de agosto de 2020
Data de Término da vigência: 13 de abril de 2021
Área de conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
Pesquisador responsável:Jorge Carlos Valverde Rebaza
Beneficiário:Diego Carvalho do Nascimento
CNAE: Desenvolvimento e licenciamento de programas de computador customizáveis
Consultoria em tecnologia da informação
Atividades de consultoria em gestão empresarial
Vinculado ao auxílio:19/02455-1 - BeeNet: a solução para o problema da oferta e procura de emprego, AP.PIPE
Assunto(s):Sistemas de recomendação   Inteligência artificial   Aprendizado computacional   Fatorização de matrizes   Classificação de dados   Predição   Algoritmos
Palavra(s)-Chave do Pesquisador:análise de perfil de usuários | Classificação | fatorização de matrizes | job matching search | Predição | sistemas de recomendação | Sistemas Inteligentes

Resumo

O desenvolvimento do produto BeeNet, possui vários desafios de pesquisa. Dentre eles, destacam-se os relacionados à grande área de Aprendizado de Máquinas, incluindo a tarefa de recomendação de itens. O objetivo dessa tarefa é predizer um conjunto de itens que possam ser do interesse de um determinado usuário. Por exemplo, vagas de emprego em aberto solicitando requisitos muito próximos ao currículo profissional poderiam ser itens comuns de recomendação para pessoas. Já para as empresas, itens de recomendação poderiam ser pessoas com maior qualificação para participar dos processos seletivos em aberto. Apesar da existência de uma variedade de algoritmos de recomendação, ainda é necessário o desenvolvimento de ferramentas específicas, para seu uso adequado no âmbito desse projeto.

Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa:
Mais itensMenos itens
Matéria(s) publicada(s) em Outras Mídias ( ):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)

Publicações científicas (6)
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
NASCIMENTO, DIEGO C.; PIMENTEL, BRUNO A.; SOUZA, RENATA M. C. R.; COSTA, LILIA; GONCALVES, SANDRO; LOUZADA, FRANCISCO. Dynamic graph in a symbolic data framework: An account of the causal relation using COVID-19 reports and some reflections on the financial world. CHAOS SOLITONS & FRACTALS, v. 153, n. 2, . (20/09174-5, 13/07375-0)
TOMAZELLA, VERA LUCIA DAMASCENO; JESUS, SANDRA REGO; GAZON, AMANDA BUOSI; LOUZADA, FRANCISCO; NADARAJAH, SARALEES; NASCIMENTO, DIEGO CARVALHO; RODRIGUES, FRANCISCO APARECIDO; RAMOS, PEDRO LUIZ. Bayesian Reference Analysis for the Generalized Normal Linear Regression Model. SYMMETRY-BASEL, v. 13, n. 5, . (20/09174-5, 13/07375-0, 17/25971-0)
FAVORETTO, DIANDRA B.; BERGONZONI, EDUARDO; CARVALHO NASCIMENTO, DIEGO; LOUZADA, FRANCISCO; LEMOS, TENYSSON W.; BATISTELA, ROSANGELA A.; MORAES, RENATO; LEITE, JOAO P.; RIMOLI, BRUNNA P.; EDWARDS, DYLAN J.; et al. High Definition tDCS Effect on Postural Control in Healthy Individuals: Entropy Analysis of a Crossover Clinical Trial. APPLIED SCIENCES-BASEL, v. 12, n. 5, p. 14-pg., . (20/09174-5, 13/07375-0)
FONSECA, ANDERSON; FERREIRA, PAULO HENRIQUE; DO NASCIMENTO, DIEGO CARVALHO; FIACCONE, ROSEMEIRE; ULLOA-CORREA, CHRISTOPHER; GARCIA-PINA, AYON; LOUZADA, FRANCISCO. Water Particles Monitoring in the Atacama Desert: SPC Approach Based on Proportional Data. AXIOMS, v. 10, n. 3, . (13/07375-0, 20/09174-5)
DO NASCIMENTO, DIEGO CARVALHO; RAMOS, PEDRO LUIZ; ELAL-OLIVERO, DAVID; CORTES-ARAYA, MILTON; LOUZADA, FRANCISCO. Generalizing Normality: Different Estimation Methods for Skewed Information. SYMMETRY-BASEL, v. 13, n. 6, . (13/07375-0, 20/09174-5, 17/25971-0)
LOUZADA, FRANCISCO; NASCIMENTO, DIEGO CARVALHO DO; EGBON, OSAFU AUGUSTINE. Spatial Statistical Models: An Overview under the Bayesian Approach. AXIOMS, v. 10, n. 4, . (20/09174-5)