Especialização em Inteligência Artificial
URI Permanente desta comunidade
Navegar
Navegando Especialização em Inteligência Artificial por Título
Agora exibindo 1 - 5 de 5
Resultados por página
Opções de Ordenação
- ItemAplicação de Modelos de Linguagem de Grande Escala (LLMs) na Automação Cognitiva: uma prova de conceito em atendimento ao cliente(2024-09-13) Santana, Alexandre Fortes; Doutor Frederico Gadelha GuimarãesEste trabalho apresenta a aplicação de modelos de linguagem de grande escala (LLMs), especificamente o GPT-4, na automação da avaliação de atendimentos ao cliente, validando sua eficácia por meio de uma prova de conceito (PoC) implementada em um ambiente real na Efí Bank. A hipótese inicial propôs que o LLM poderia reduzir a necessidade de intervenção humana direta na classificação e análise de chamados, permitindo que ajustes fossem realizados por profissionais não especializados em TI, como líderes de atendimento ou analistas de qualidade. Os resultados corroboram essa hipótese, destacando a flexibilidade dos LLMs em se adaptarem a novas demandas com simples ajustes de prompts. Além disso, o projeto demonstrou que a automação pode realizar milhares de análises com um custo operacional competitivo, liberando os profissionais para focarem em atividades de maior valor agregado. Entre os principais desafios enfrentados, destacam-se a sensibilidade dos LLMs ao formato dos prompts e o fenômeno das ``alucinações", em que o modelo pode gerar dados inexistentes ao tentar responder a uma solicitação inadequada. Para mitigar esses desafios, foram implementadas estratégias de refinamento dos prompts e normalização de dados quantitativos. Os resultados obtidos demonstram que, além de serem economicamente viáveis, os LLMs podem superar as limitações de análises humanas tradicionais em termos de escala e consistência. O projeto também identificou oportunidades de aplicação dessa tecnologia em outras áreas da organização, como na detecção de fraudes e na automação de processos comerciais, ampliando o impacto estratégico da automação cognitiva dentro da empresa.
- ItemDesenvolvimento de produto técnico: Chatbot Aurora, uma assistente virtual para interação humanizada no Blog Diário da Mãe em Construção(2025-02-13) Azevedo, Ivanete Fátima de ; Doutora Sílvia Grasiella Moreira AlmeidaO presente trabalho apresenta o desenvolvimento e a implementação do chatbot Aurora, uma assistente virtual criada para o blog Diário da Mãe em Construção. O objetivo principal da Aurora é facilitar o acesso às cartas temáticas publicadas no blog, proporcionando uma interação mais próxima entre as mães e a plataforma por meio do aplicativo de mensagens WhatsApp. Dessa forma, busca-se contribuir para o fortalecimento da rede de acolhimento e troca de experiências já existentes no projeto do blog. Utilizando a linguagem Python, com automação via Selenium e integração com APIs de Inteligência Artificial, como o GPT e o Gemini, o sistema foi projetado para interagir de maneira humanizada com os usuários, atendendo às suas demandas específicas. Foi desenvolvido um painel administrativo que permite configurações rápidas e intuitivas no chatbot. Ao final do trabalho, é apresentado um tutorial com etapas simplificadas para a implementação da Aurora.
- ItemFramework de validação semântica de ordens de manutenção com LLM e RAG(2025-06-13) Christhian da Silva Gonçalves; Doutor Rodrigo Cesar Pedrosa SilvaA validação semântica de ordens e notas de manutenção constitui um elemento importante para assegurar a integridade das informações que sustentam as decisões técnicas e estratégicas no ambiente industrial da mineração. A ausência de precisão conceitual e semântica nesses registros pode comprometer não apenas a confiabilidade dos ativos, mas também os indicadores de desempenho, os planos de manutenção e os processos de melhoria contínua. Nesse cenário, o desenvolvimento de ferramentas automatizadas e inteligentes que permitam auditar, interpretar e justificar esses dados de forma autônoma torna-se uma resposta necessária e estratégica frente ao crescente volume, complexidade e criticidade das informações operacionais. Este trabalho propõe e desenvolve um framework para a validação semântica automatizada de ordens e notas de manutenção, utilizando os Large Language Models(LLMs) ou Grandes Modelos de Linguagem, executados localmente, apoiado por uma arquitetura de Retrieval-Augmented Generation(RAG) ou Recuperação e Geração Aumentada. O sistema, implementado em Python, emprega o modelo Gemma-3:4B via Ollama, garantindo a privacidade dos dados, e utiliza a biblioteca LangChain para orquestrar a interação. Bases de conhecimento customizadas, extraídas de dados de regras de negócio, são consultadas para fornecer contexto específico do domínio ao LLM. Foram utilizadas técnicas de engenharia de prompt, como Chain of Thought (CoT) que força o LLM a gerar raciocínio para promover explicabilidade, bem como uma gestão de memória conversacional para otimizar a eficiência e reduzir o processamento de tokens. Este estudo contribui com um protótipo funcional, uma metodologia sistemática para o desenvolvimento de agentes de IA especialistas em análise da conformidade semântica, visando melhorar a qualidade dos dados e apoiar decisões mais precisas na gestão da manutenção.
- ItemPrevisão de Ações Brasileiras utilizando Redes Neurais LSTM e modelo GARCH(2025-12-03) Nascimento, Marco Antonio do; Doutor Carlos Alexandre Silva; Doutor Carlos Alberto Severiano JúniorO propósito deste trabalho é estimar o comportamento dos preços diários das principais ações do mercado de ações brasileiro no período entre 2000 e 2024, a partir de dois modelos: um modelo de Redes Neurais LSTM e um modelo Híbrido onde se insere a estimação de volatilidade GARCH junto ao modelo LSTM, denominado GARCH-LSTM. Como resultados, pode-se afirmar que o comportamento dos preços das séries financeiras examinadas foi adequadamente estimado tanto pelo modelo LSTM quanto pelo modelo LSTM/GARCH. No que tange a escolha do modelo ideal, verificou-se que a maior parte das ações analisadas, apresentaram melhores resultados de estimação junto ao modelo GARCH-LSTM indicando que ao se inserir a estimação de volatilidade no modelo, há uma melhora na previsão do comportamento dos preços de ações.
- ItemPrevisão de séries temporais de evapotranspiração de referência com modelos multivariados nos diferentes climas do Brasil(2025-02-11) Fernandes, Fernando dos Santos Alves; Doutor Carlos Alberto Severiano JúniorEste estudo avaliou o desempenho de modelos de previsão multivariada para evapotranspiração de referência. Seis conjuntos de dados foram selecionados, cada um representando um clima brasileiro, e quatro modelos foram aplicados: VAR, RF, CNN e Transformer. Os resultados do RMSE foram comparados em dois cenários, mostrando que VAR e RF tiveram melhor desempenho em todos os climas. Usar apenas as quatro variáveis mais importantes afetou significativamente apenas o comportamento da CNN.