Nesta entrevista falo um pouco sobre a aplicação da IA na área de saúde e as pesquisas acadêmicas.
Reportagem TV O Dia
Reportagem exibida na TV O Dia em 14 de Setembro de 2022.
Reportagem TV Antares
Reportagem sobre o programa de diagnóstico de doenças renais. Exibido em 15 de setembro de 2023.
Reportagem TV Assembleia
Reportagem sobre o SmartPathk na TV Assembleia exibida em 12 de Setembro de 2022.
Descoberta de Risco em Licitações do Tribunal de Contas do Estado do Piauí baseado em Aprendizagem de Máquina Supervisionada utilizando atributos textuais e descritivos
Dissertação de Mestrado
Aluno: Valney da Gama Costa
Resumo:
Resumo
A licitação é o processo administrativo em que um órgão público oferta às empresas interessadas a oportunidade de efetuarem propostas para a realização de serviços ou compra de um ou mais produtos para este ente e escolhe dentre elas a que melhor supre o que é pedido, respeitando critérios definidos em lei. O Tribunal de Contas do Estado do Piauí é um dos órgãos públicos de controle externo, responsável pela fiscalização contábil, financeira e orçamentária de outros órgãos e entidades do estado do Piauí. Os auditores
do TCE/PI têm dificuldade em examinar todos os procedimentos licitatórios publicados antes da efetivação e gasto financeiro dos envolvidos. Este trabalho tem como objetivo descobrir antecipadamente ou durante a execução dos procedimentos licitatórios, um rótulo de risco que facilite sua fiscalização. Portanto pretende-se definir a criação de um modelo de decisão baseada em aprendizagem de máquina em conjunto com técnicas de processamento de linguagem natural, para tratamento de atributos textuais e descritivos, aplicado aos procedimentos licitatórios publicados no Tribunal de Contas do Estado do Piauí, melhorando as técnicas de fiscalizações dos Tribunais de Contas a partir de dados públicos das próprias licitações publicadas no órgão, e informações de análises anteriores de auditores. Os modelos desenvolvidos utilizaram os algoritmos J48, RandomForest e Redes Neurais Multicamadas (MLP) e obtiveram acurácias médias até 81%, com destaque ao algoritmo de RandomForest, responsável por obter acurácia máxima de 82%.