Palavras-chave: software livre; inteligência artificial; redes neurais artificiais; análise de crédito.
|
|
- Amália Paranhos
- 4 Há anos
- Visualizações:
Transcrição
1 1 SOFTWARE PARA ANÁLISE DE CONCESSÃO DE CRÉDITO USANDO REDES NEURAIS ARTIFICIAIS * 1 BARROS, Sandro Reis Rocha Mestre em Engenharia (UFRJ) e Mestre em Ciências das Religiões (UNIDA) Professor do Instituto Federal Fluminense (IFF) e Estudante de Doutorado Programa de Pós- Graduação em Cognição e Linguagem da Universidade Estadual do Norte Fluminense Darcy Ribeiro (UENF) prsandroreis@gmail.com sandro@iff.edu.br MEDEIROS, Gleison Pereira Estudante do curso de Bacharelado em Sistemas de Informação do Instituto Federal Fluminense (IFF) gleisongpm@gmail.com MIRANDA, Mozarth Dias de Almeida Mestre em TV Digital (UNESP) Estudante de Doutorado Programa de Pós-Graduação em Cognição e Linguagem da Universidade Estadual do Norte Fluminense Darcy Ribeiro (UENF) mozarthdias@hotmail.com Resumo: Este artigo apresenta o desenvolvimento de um software de inteligência artificial para auxiliar a análise de concessão de crédito ao consumidor feita por instituições financeiras ou comércio eletrônico. A pesquisa foi fundamentada em três etapas: levantamento bibliográfico sobre o tema; entrevistas com um gerente do Banco do Brasil e com um Superintendente Regional da Caixa Econômica Federal; e por último, o desenvolvimento de um software usando Redes Neurais Artificiais tipo MLP. Foi criada uma interface através da qual pode-se informar um histórico com vários exemplos de operações de clientes antes realizadas, cujo resultado quanto à inadimplência já seja conhecido. Essas informações servem como base de conhecimento para se realizar a etapa de treinamento/aprendizagem da Rede Neural Artificial. Uma vez concluída essa etapa de treinamento, o software está pronto a operar avaliando as informações de novos clientes para os quais a instituição financeira ou comercial deseja ter um laudo com relação ao risco de se conceder crédito. O software desenvolvido foi testado em diversos exemplos de operações de crédito, obtendo resultado de 80% de acertos, o que pode ser considerado como um bom desempenho se comparado aos resultados alcançados exclusivamente por mão de obra humana. Partindo do pressuposto que as tarefas de análise e concessão de crédito são realizadas, em sua maioria, por um profissional, ou por um comitê de crédito, esse software poderá substituir o fator de risco humano, ou ser usado como elemento auxiliar na orientação de concessão de crédito a clientes, diminuindo o risco de inadimplência em operações. Palavras-chave: software livre; inteligência artificial; redes neurais artificiais; análise de crédito. * XV Encontro Virtual de Documentação em Software Livre e XII Congresso Internacional de Linguagem e Tecnologia Online
2 2 Introdução A análise de concessão de crédito financeiro feita pelo sistema bancário e pelas empresas de comércio eletrônico no Brasil, ainda tem sido realizada de uma maneira dependente da atuação humana, e totalmente gerida por pessoas. Nas instituições financeiras, existe um comitê de análise de crédito, o qual discute cada caso individual dos clientes e decide se eles podem, ou não, receber crédito da instituição, segundo os critérios considerados importantes pelo sistema de mercado financeiro. Nas empresas de comércio eletrônico existe, em sua maioria, apenas um analista de crédito, que faz consultas aos órgãos de registro de inadimplência, como o SERASA, e outros. O objetivo deste artigo é mostrar o desenvolvimento de um software livre utilizando Redes Neurais Artificiais como uma ferramenta para auxiliar o sistema atual usado por algumas empresas na análise e concessão de crédito, reduzindo o número de funcionários e de reuniões dos profissionais envolvidos na tomada de decisão, diminuindo o desperdício de tempo e aumentando o desempenho nos sucessos das operações de crédito, reduzindo assim, o índice de inadimplência, ( ROSENBERG & GLEIT, 1994). Este artigo também teve por objetivo, disponibilizar material didático-científico para pesquisadores na área de inteligência artificial e programação usando Redes Neurais Artificiais. O software desenvolvido, tem seu código aberto, o que possibilita a todos que desejam utilizá-lo, alterarem seus critérios e parâmetros. Neste software, as informações dos clientes que desejam fazer uso do crédito são informadas e recebidas pela internet, e o sistema dá um parecer favorável, ou não, a respeito desse cliente, segundo os padrões que cada cliente apresenta em suas informações pessoais. 1. Fundamentação teórica As Redes Neurais Artificiais (RNA s), com sua habilidade de derivar o significado de dados complexos ou imprecisos, podem ser usadas para extrair padrões e detectar tendências que são muito complexas para serem observadas por humanos ou por outras técnicas computacionais. Uma vez concluída a sua fase de treinamento/aprendizagem, ela pode ser comparada a um especialista na categoria de informação e análise (AMORIM, 2004), porém, com uma velocidade de processamento muito maior, além de uma padronização em seu processamento, o que garante os mesmos critérios, pesos e medidas, para todos os clientes analisados, comprovando a isonomia em seus parâmetros de decisão diante de todos os clientes analisados. Uma RNA, antes de ser testada e colocada em funcionamento, necessita passar por uma fase de treinamento/aprendizagem, na qual recebe informações organizadas em forma de conhecimento específico do assunto para o qual a RNA é destinada (HAYKIN, 2001). A construção de RNA s tem inspiração nos neurônios biológicos e nos sistemas nervosos. No entanto, é importante compreender que atualmente, as RNA s estão muito distantes das redes neurais biológicas, sendo somente semelhantes. O primeiro modelo de neurônio artificial foi proposto por (MCCULLOCH & PITTS, 1943) e tinha a intenção de simular o neurônio biológico. A arquitetura das redes Multilayer Perceptron (MLP) ou Perceptron de Múltiplas Camadas é dada pela camada de entrada, por uma ou mais camadas ocultas, e pela camada de saída. Tanto a camada de entrada como a camada de saída, geralmente, são traçadas conforme as variáveis do problema (KOVÁCS, 1996). Para este trabalho, foi escolhida a arquitetura de RNA do tipo MLP por apresentar bons resultados na atividade de reconhecimento de padrões. Neste caso, interessa analisar e reconhecer os padrões de clientes com relação à sua tendência de se tornarem inadimplentes ou
3 3 não, diante das empresas credoras. É necessário que se tenha uma base de conhecimento construída com informações do passado sobre algumas operações já realizadas anteriormente, e cujos resultados quanto à inadimplência já sejam conhecidos. Esses exemplos formarão um conjunto de amostras que serão usadas no treinamento/aprendizagem da RNA. Depois que essa fase de treinamento for concluída, a qual é avaliada a partir do acompanhamento da curva de erro, a RNA estará pronta para entrar na fase de teste, em que as empresas poderão utilizá-la para a decisão quanto à concessão ou não de crédito. 2. Metodologia e desenvolvimento Com o intuito de se construir essa base de conhecimento, foram feitas entrevistas com um gerente financeiro de uma agência do Banco do Brasil 2 e com um superintendente regional da Caixa Econômica Federal 3. Estes, disponibilizaram um modelo de ficha cadastral contendo vários indicadores. A partir deste modelo de ficha, foi feito um levantamento dos parâmetros mais relevantes na identificação do comportamento dos clientes: sexo, estado civil, grau de instrução, residência própria, fonte pagadora, renda mensal, outros imóveis próprios, veículo próprio, aplicações financeiras, compromissos financeiros e registro de negativação em órgãos competentes, conforme a tabela 1. Essas serão as informações de entrada para a RNA. Tabela 1 2 Sr. Marcelo Luiz de Figueiredo, gerente do Banco do Brasil, agência Campos dos Goytacazes -RJ 3 Sr. Marcus Vinícius Oliveira de Paiva, Superintendente Regional da CEF, Norte Fluminense RJ.
4 4 A RNA foi alimentada com 20 exemplos da sua base de conhecimento, os quais foram preenchidos por gerentes de crédito por meio de formulário criado no Google Form 4. Os mesmos foram inseridos de forma que as variáveis selecionadas recebessem valor 1 e as variáveis não selecionadas recebessem o valor 0. Na tabela 1, constam 11 categorias com o total de 61 indicadores, onde cada um foi tratado como variável de entrada no modelo da RNA, e por esse motivo, só poderá receber valores binários (0 e 1). No entanto, algumas dessas categorias passaram por um processo de preparação para se adequarem a este requisito, para assim, poderem ser processadas pela RNA. É o caso do indicador Renda Mensal, que só receberia um valor numérico tipo real, sendo modificada para poder receber valores binários. Para isto, foi dividida em 5 variáveis de Classe: A, B, C, D e E, segundo dados do IBGE (CARNEIRO, 2018), como demonstrado na tabela 2. Acrescentou-se assim, mais 5 (cinco) indicadores, formando um total de 67. Tabela 2 Para melhor compreensão, a tabela 3 demonstra dados referentes à parte de um exemplo, onde cada valor 1 representa a variável selecionada. Nesta, consta Sexo feminino, Renda Mensal Classe D, Compromissos Financeiros; Empréstimo e Financeiro. Nas categorias Imóvel, Veículo, Aplicações e Compromissos Financeiros poderão ser selecionadas mais de uma opção. Porém, nas demais categorias, somente uma opção poderá ser selecionada. Tabela 3 Em busca de uma otimização e diminuição dos dados de entrada da RNA, sem perda de informações, foi reformulada a maneira com que os indicadores eram convertidos em números binários. Assim, para as categorias que só podem ser selecionadas uma única opção, foi substituído o valor 1 do indicador selecionado, pelo valor em binário da posição em ordem crescente de onde ele se encontra. Veja, na tabela 4, o exemplo da categoria Estado Civil que possui 8 indicadores. 4 Google Form é uma ferramenta de uso gratuito oferecida pela Google para se criar formulários de pesquisa através da internet. O usuário pode implementar um questionário com questões de múltipla escolha ou discursivas.
5 5 Cada indicador foi representado por um número que vai de 0 a 7. Neste exemplo, está selecionado o indicador União Estável, que está representado pelo valor 7. Este, convertido em binário, resulta em 111. Assim, a categoria que tinha 8 neurônios de entrada representando cada indicador, agora só precisa de 3 neurônios, conforme mostrado na tabela 5. Tabela 4 Tabela 5 Para as categorias que podem ser selecionadas mais de uma opção, cada indicador está representado por um número primo em ordem crescente a sua posição. Foram somados todos os números primos que estavam representando os indicadores selecionados e o resultado foi convertido em binário. Então, este método foi escolhido pois o resultado da soma destes números sempre será único, não sendo repetido em nenhuma outra combinação. Inicialmente, foi criada uma rede MLP com 67 neurônios de entrada, referente a quantidade de indicadores mais uma entrada do bias, 20 neurônios na camada oculta, podendo ser alterado de acordo com os resultados dos testes e 1 neurônio na última camada, que terá como valor de saída 1, se a resposta da RNA for crédito aprovado, ou 0, caso seja crédito não aprovado. Porém, após os ajustes devido à codificação dos dados de entrada na rede, foi definido sua nova arquitetura, com 42 neurônios na camada de entrada, 44 neurônios na camada oculta, e 1 neurônio na camada de saída, conforme figura abaixo: Figura 1 Arquitetura da RNA Após as mudanças feitas através da codificação dos dados de entrada, novos testes foram realizados na topologia da RNA, alterando o número de neurônios na camada oculta, observando os resultados de aprendizagem para cada um deles. Inicialmente foram analisados os resultados das quantidades; 20,30,40,50 e 60. Os testes foram feitos expondo as seguintes informações em paralelo: quantidade de neurônio, erro por época e quantidade de época, conforme tabela a tabela 6.
6 6 Tabela 6 A partir dessas informações, foi possível verificar que número ideal de neurônios na camada oculta estaria entre 40 e 50, pois foram os menores erros encontrados. Então, empiricamente, foram testados de 41 a 49 neurônios e o melhor desempenho foi alcançado com 44 neurônios. Passou-se para a fase de teste e validação da RNA, onde foram testadas informações referentes a novos clientes cujos dados não haviam sido usados na fase de treinamento. 3. Resultados e Considerações finais Após a fase de teste e validação, verificou-se que o software desenvolvido alcançou 100% de acertos para os dados do conjunto de treinamento feito com os 20 exemplos e 80% de acertos na fase de teste com novos dados. Os resultados permitem concluir que este software é viável para uso no auxílio à decisão sobre concessão de crédito, uma vez que, além de oferecer rapidez e isonomia na análise dos clientes, a sua taxa de acertos de 80%, na previsão de inadimplência é superior às taxas alcançadas nos modelos que usam somente a atuação humana nos comitês de crédito. E como se trata de um software livre, qualquer usuário poderá fazer as alterações que julgar necessário para adaptá-lo ao seu tipo de aplicação ou negócio, bastando baixá-lo da plataforma Google Docs 5, onde está disponível o código fonte deste software, no endereço: t2pf52evzrkfjb4azu8bwe_ N9xrJ-hz4Ft_t6KUJzc_sS2GPOz4sFrX140o9DeCsxnpdQME9ue/pub Referências AMORIM, B. Desenvolvimento de uma Plataforma Híbrida para Descoberta de Conhecimento em Bases de Dados. Dissertação de Mestrado. Universidade Federal de Pernambuco, CARNEIRO, T. R. A., Faixas Salariais x Classe Social Qual a sua classe social? Disponível em: Acesso em 19 set HAYKIN, S. Redes neurais: princípios e prática. 2.ed. Porto Alegre: Bookman, KOVACS, Z. L. Redes neurais artificiais fundamentos e aplicações. São Paulo: Acadêmica, p. MCCULLOCH, W. S.; PITTS, W. A logical calculus of the ideas immanent in nervous activity. Bulletin Of Mathematical Biophysics, New York, p dez ROSENBERG, E.; GLEIT, A. Quantitative methods in credit management: a survey. Operations Research, Oxford, v.42, n.4, p , July/Aug Google Docs é uma plataforma gratuita da Google que permite ao usuário criar, editar e acessar seus documentos disponibilizando-os de forma livre ao público através da internet.
Aplicações de redes neurais artificiais em simulações
Aplicações de redes neurais artificiais em simulações Resumo Marcelo Bilobrovec (UEPG - CEFET - PR) mbilo@uepg.br Rui Francisco Martins Marçal (CEFET - PR) marcal@pg.cefetpr.br Luiz Alberto Pilatti (CEFET
Leia maisTópicos Especiais: Inteligência Artificial REDES NEURAIS
Tópicos Especiais: Inteligência Artificial REDES NEURAIS Material baseado e adaptado do Cap. 20 do Livro Inteligência Artificial de Russell & Norvig Bibliografia Inteligência Artificial Russell & Norvig
Leia maisO uso de uma Rede Neural Artificial Supervisionada para obtenção do fator de carga de um alimentador.
O uso de uma Rede Neural Artificial Supervisionada para obtenção do fator de carga de um alimentador. Resumo: Lucas da Silva Assis Universidade Federal de Goiás lucasilvassis@gmail.com Esse trabalho apresenta
Leia maisAprendizado de Máquina (Machine Learning)
Ciência da Computação Aprendizado de Máquina (Machine Learning) Aula 03 Aprendizado Supervisionado / : Modelo MCP e Perceptron Max Pereira Neurônio Booleano de McCulloch- Pitts (Modelo MCP) Proposto em
Leia mais3 Redes Neurais Artificiais
3 Redes Neurais Artificiais 3.1. Introdução A capacidade de implementar computacionalmente versões simplificadas de neurônios biológicos deu origem a uma subespecialidade da inteligência artificial, conhecida
Leia maisRECONHECIMENTO DE GÊNERO ATRAVÉS DA VOZ
RECONHECIMENTO DE GÊNERO ATRAVÉS DA VOZ Marcela Ribeiro Carvalho marcela@enecar.com.br IFG/Câmpus Goiânia Hipólito Barbosa Machado Filho hipolito.barbosa@ifg.edu.br IFG/Câmpus Goiânia Programa Institucional
Leia maisIntrodução às Redes Neurais Artificiais
Universidade Federal do Rio Grande do Norte Departamento de Engenharia de Computação e Automação Introdução às Redes Neurais Artificiais DCA0121 Inteligência Artificial Aplicada Heitor Medeiros 1 Tópicos
Leia maisRedes Neurais: MLP. Universidade Federal do Rio Grande do Norte Departamento de Engenharia de Computação e Automação
Universidade Federal do Rio Grande do Norte Departamento de Engenharia de Computação e Automação Redes Neurais: MLP DCA0121 Inteligência Artificial Aplicada Heitor Medeiros 1 Tópicos Redes diretas de múltiplas
Leia mais2. Redes Neurais Artificiais
Computação Bioinspirada - 5955010-1 2. Redes Neurais Artificiais Prof. Renato Tinós Depto. de Computação e Matemática (FFCLRP/USP) 1 2.4. Outras Redes Neurais Artificiais 2.4.1. Redes RBF 2.4.2. Mapas
Leia maisPós-Graduação em Engenharia de Automação Industrial SISTEMAS INTELIGENTES PARA AUTOMAÇÃO
Pós-Graduação em Engenharia de Automação Industrial SISTEMAS INTELIGENTES PARA AUTOMAÇÃO AULA 06 Algoritmos Genéticos Sumário Introdução Inteligência Artificial (IA) Algoritmos Genéticos Aplicações de
Leia maisTÓPICOS EM INTELIGÊNCIA ARTIFICIAL Redes Neurais Artificiais
TÓPICOS EM INTELIGÊNCIA ARTIFICIAL Redes Neurais Artificiais ricardo.kerschbaumer@ifc.edu.br http://professor.luzerna.ifc.edu.br/ricardo-kerschbaumer/ Introdução O Cérebro humano Mais fascinante processador
Leia maisInteligência Artificial Redes Neurais
Inteligência Artificial Jarley P. Nóbrega, Dr. Faculdade Nova Roma Bacharelado em Ciência da Computação jpn@jarley.com Semestre 2018.2 Jarley P. Nóbrega, Dr. (Nova Roma) Inteligência Artificial Semestre
Leia maisRedes Neurais Artificiais
Redes Neurais Artificiais Prof. Dr. Hugo Valadares Siqueira Semana de Eletrônica e Automação 2014 Redes Neurais Artificiais Uma rede neural artificial é um circuito composto por uma grande quantidade de
Leia maisAprendizado de Máquina Introdução às Redes Neurais Artificiais
Aprendizado de Máquina Introdução às Redes Neurais Artificiais Marcos Oliveira Prates (Agradecimento Marcelo Azevedo Costa) Departamento de Estatística Universidade Federal de Minas Gerais Inteligência
Leia maisClassificação de Padrões. Abordagem prática com Redes Neurais Artificiais
Classificação de Padrões Abordagem prática com Redes Neurais Artificiais Agenda Parte I - Introdução ao aprendizado de máquina Parte II - Teoria RNA Parte III - Prática RNA Parte IV - Lições aprendidas
Leia maisREDES NEURAIS ARTIFICIAIS
REDES NEURAIS ARTIFICIAIS REDES NEURAIS ARTIFICIAIS O QUE É UMA REDE NEURAL NEURÔNIOS BIOLÓGICOS CÉREBRO HUMANO E CAPACIDADE DE GENERALIZAÇÃO. Modelo McCulloch e Pitts FUNÇÕES DE ATIVAÇÃO APRENDIZADO APRENDIZADO
Leia maisInteligência Computacional
Inteligência Computacional INTRODUÇÃO ÀS REDES NEURAIS ARTIFICIAIS Renato Dourado Maia Faculdade de Ciência e Tecnologia de Montes Claros Fundação Educacional Montes Claros Na Aula Passada... O que é uma
Leia maisserotonina (humor) dopamina (Parkinson) serotonina (humor) dopamina (Parkinson) Prozac inibe a recaptação da serotonina
Redes Neurais O modelo biológico O cérebro humano possui cerca 100 bilhões de neurônios O neurônio é composto por um corpo celular chamado soma, ramificações chamadas dendritos (que recebem as entradas)
Leia maisRedes Neurais Artificial. Prática. Inteligência Artificial
Redes Neurais Artificial Prática Inteligência Artificial Professor: Rosalvo Ferreira de Oliveira Neto Estrutura 1. Introdução a MLP 2. Base de dados e Pré-Processamento 3. Prática MLP - Introdução Redes
Leia maisUTILIZAÇÃO DE REDES NEURAIS ARTIFICIAIS NO RECONHECIMENTO DE PADRÕES EM PACOTES DE DADOS TCP/IP
UTILIZAÇÃO DE REDES NEURAIS ARTIFICIAIS NO RECONHECIMENTO DE PADRÕES EM PACOTES DE DADOS TCP/IP USING OF ARTIFICIAL NEURAL NETWORKS IN PATTERN RECOGNITION IN TCP/IP DATA PACKETS PERES, Cassiano Ricardo
Leia maisINTELIGÊNCIA ARTIFICIAL
INTELIGÊNCIA ARTIFICIAL REDES NEURAIS Caracterização Intuitiva: Em termos intuitivos, Redes Neurais Artificiais (RNAs) são modelos matemáticos inspirados nos princípios de funcionamento dos neurônios biológicos
Leia maisReconhecimento de Faces Utilizando Redes Neurais MLP
Reconhecimento de Faces Utilizando Redes Neurais MLP Autor: Adilmar Coelho Dantas 1, Orientador: Márcia Aparecida Fernandes 1 1 Programa de Pós-Graduação em Ciência da Computação Universidade Federal do
Leia maisCRÉDITOS DO CURSO. Carga Horária Créditos IN1030 Seminários 30 2
UNIVERSIDADE FEDERAL DE PERNAMBUCO PRÓ-REITORIA PARA ASSUNTOS DE PESQUISA E PÓS-GRADUAÇÃO ESTRUTURA CURRICULAR STRICTO SENSU (baseada na Res. 10/2008 do CCEPE) NOME DO CURSO: Pós-Graduação em Ciência da
Leia maisAPLICAÇÃO DE REDES NEURAIS ARTIFICIAIS PARA ESTIMAR MATRIZ ORIGEM-DESTINO DE CARGA
APLICAÇÃO DE REDES NEURAIS ARTIFICIAIS PARA ESTIMAR MATRIZ ORIGEM-DESTINO DE CARGA Daniel Neves Schmitz Gonçalves Luiz Antonio Silveira Lopes Marcelino Aurelio Vieira da Silva APLICAÇÃO DE REDES NEURAIS
Leia maisMODELO DE PROGRAMAÇÃO LINEAR INTEIRA MISTA PARA MINIMIZAÇÃO DOS ADIANTAMENTOS E ATRASOS EM FLOW SHOP COM SETUP DEPENDENDE DA SEQUÊNCIA
MODELO DE PROGRAMAÇÃO LINEAR INTEIRA MISTA PARA MINIMIZAÇÃO DOS ADIANTAMENTOS E ATRASOS EM FLOW SHOP COM SETUP DEPENDENDE DA SEQUÊNCIA Cristiano Marinho Vaz, cmv02@hotmail.com Vinícius Ferreira da Silva
Leia maisRECONHECIMENTO DE CARACTERES EM PLACAS AUTOMOTIVAS UTILIZANDO REDES NEURAIS
RECONHECIMENTO DE CARACTERES EM PLACAS AUTOMOTIVAS UTILIZANDO REDES NEURAIS Eduarda Gonçalves Dias 1 ; Wanderson Rigo 2 ; Manassés Ribeiro 3 INTRODUÇÃO Os sistemas de visão artificial vêm auxiliando o
Leia maisSNP33D90 REDES NEURAIS ARTIFICIAIS
SNP33D90 REDES NEURAIS ARTIFICIAIS Engenharia Elétrica Prof. Dr. André A. P. Biscaro 2º Semestre de 2017 1. IDENTIFICAÇÃO UNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT Disciplina: REDES NEURAIS ARTIFICIAIS
Leia maisUsando MLP para filtrar imagens
Usando MLP para filtrar imagens Thiago Richter, Ediel Wiezel da Silva, e Adilson Gonzaga Departamento de Engenharia Elétrica, Universidade de São Paulo, Brasil thiago.richter@yahoo.com.br, edielws@gmail.com,
Leia mais5 Estudo de Caso e Resultados
5 Estudo de Caso e Resultados 5.1. Introdução Finalizado o desenvolvimento da ferramenta, é indispensável testar suas funcionalidades e a eficácia da aplicação conjunta dos seus módulos de geração de experimentos
Leia maisCOMPARAÇÃO ENTRE DIFERENTES ESTRUTURAS DE REDES NEURAIS NO PROBLEMA PRESA-PREDADOR 1
COMPARAÇÃO ENTRE DIFERENTES ESTRUTURAS DE REDES NEURAIS NO PROBLEMA PRESA-PREDADOR 1 Márcia Da Silva 2, Eldair Fabricio Dornelles 3, Rogério S. M. Martins 4, Édson L. Padoin 5. 1 Pesquisa desenvolvida
Leia maisUniversidade Regional de Blumenau Centro de Ciências Exatas e Naturais Departamento de Sistemas e Computação
Universidade Regional de Blumenau Centro de Ciências Exatas e Naturais Departamento de Sistemas e Computação Desenvolvimento da Aplicação para Aprovação do Limite de Crédito Financeiro de uma Empresa Têxtil
Leia maisRedes Neurais Artificial. Inteligência Artificial. Professor: Rosalvo Ferreira de Oliveira Neto
Redes Neurais Artificial Inteligência Artificial Professor: Rosalvo Ferreira de Oliveira Neto Estrutura 1. Definições 2. Histórico 3. Conceitos Básicos 4. Aprendizado em RNA 5. Exemplo de Aprendizado com
Leia maisSERVIÇO PÚBLICO FEDERAL UNIVERSIDADE FEDERAL DE PERNAMBUCO Centro de Informática Departamento de Sistemas de Computação
SERVIÇO PÚBLICO FEDERAL UNIVERSIDADE FEDERAL DE PERNAMBUCO Centro de Informática Departamento de Sistemas de Computação CONCURSO PÚBLICO PARA DOCENTES DO MAGISTÉRIO SUPERIOR Edital nº 42, de 27 de maio
Leia maisPós-Graduação em Engenharia de Automação Industrial SISTEMAS INTELIGENTES PARA AUTOMAÇÃO
Pós-Graduação em Engenharia de Automação Industrial SISTEMAS INTELIGENTES PARA AUTOMAÇÃO AULA 8 Redes Neurais Introdução As redes neurais são um tema da computação altamente inspirada na natureza que nos
Leia maisRedes Neurais: RBF. Universidade Federal do Rio Grande do Norte Departamento de Engenharia de Computação e Automação
Universidade Federal do Rio Grande do Norte Departamento de Engenharia de Computação e Automação Redes Neurais: RBF DCA0121 Inteligência Artificial Aplicada Heitor Medeiros 1 Tópicos Redes de Funções de
Leia maisIF Baiano / Campus Catu Curso de Tecnologia em Análise e Desenvolvimento de Sistemas
IF Baiano / Campus Catu Curso de Tecnologia em Análise e Desenvolvimento de Sistemas Seminário Interno. Exame Nacional de Desempenho dos Estudantes Objetivos do ENADE Sobre a Prova 2017 Importância do
Leia maisUM MODELO NEURAL PARA A PREVISÃO DA DEMANDA DE ENERGIA ELÉTRICA NA CIDADE DE FRANCA
UM MODELO NEURAL PARA A PREVISÃO DA DEMANDA DE ENERGIA ELÉTRICA NA CIDADE DE FRANCA SOUZA, REGIANE MÁXIMO YOSHINO, RUI TADASHI HANISC,H, WERNER SIEGFRIED ETO, REGINA FUMIE Palavras-chaves: Artificial Neural
Leia maisAnálise Quantitativa de Tecidos em Úlceras de Perna
49 5 Análise Quantitativa de Tecidos em Úlceras de Perna A avaliação das áreas proporcionais de cada tecido interno das úlceras fornece informações importantes sobre seu estado patológico [BERRISS, 2000],
Leia maisSoftware: na visão da ES
Software: na visão da ES É um produto transformador de informações De acordo com a semiótica: dados são símbolos com uma determinada sintaxe e informação são dados com uma determinada semântica Veículo
Leia maisCurrículo Lattes. Currículo Lattes
Nome Bruno Missi Xavier não se aplica Máxima 1 http://lattes.cnpq.br/1349421634240670 Resumo do Possui graduação em Sistemas de Informação pelo União Social Camiliana (ES)(2004) e mestrado em Pesquisa
Leia maisInteligência Artificial
Universidade Federal de Campina Grande Departamento de Sistemas e Computação Pós-Graduação em Ciência da Computação Inteligência Artificial Aprendizagem (Redes Neurais - Complementar) Prof. a Joseana Macêdo
Leia maisResultados da Análise Quantitativa de Tecidos
73 7 Resultados da Análise Quantitativa de Tecidos Neste capítulo, o desempenho da rede neural utilizada para quantificar a região de cada tecido das úlceras, como abordado no Capítulo 5, é avaliado. A
Leia maisUma das principais dúvidas para quem gosta dessa área é sobre qual curso fazer.
Você é daquelas pessoas curiosas, que gosta de configurar aparelhos, entender como as coisas funcionam, é questionador, ligado nas novidades, lógica e matemática são seus pontos fortes? Cursos nas áreas
Leia maisRede Perceptron. Capítulo 3
Rede Perceptron Capítulo 3 Rede Perceptron É a forma mais simples de configuração de uma RNA (idealizada por Rosenblatt, 1958) Constituída de apenas uma camada, tendo-se ainda somente um neurônio nesta
Leia maisAula 12. Aquisição de Hardware
Aula 12 Tecnologias de informação para construção de sistemas de informação. Sistemas de Informação TADS 4. Semestre Prof. André Luís 1 2 Implantação de Sistemas Assim que o sistema de informação tiver
Leia maisA evolução natural deu ao cérebro humano muitas características desejáveis que não estão presentes na máquina de von Neumann:
Faculdade de Engenharia de Computação Centro de Ciências Exatas, Ambientais e de Tecnologias PUC-Campinas João Luís Garcia Rosa 2004 2 A evolução natural deu ao cérebro humano muitas características desejáveis
Leia maisRedes Neurais. Motivação. Componentes do neurônio. Cérebro humano. Criar máquinas capazes de operar independentemente do homem:
Motivação M. Sc. Luiz Alberto lasf.bel@gmail.com Redes Neurais Criar máquinas capazes de operar independentemente do homem: Aprenda sozinha; Interagir com ambientes desconhecidos; Possa ser chamada de
Leia maisRedes Neurais Artificiais. Sistemas de Informação/Ciências da Computação UNISUL Aran Bey Tcholakian Morales, Dr. Eng. (Apostila 9)
Redes Neurais Artificiais Sistemas de Informação/Ciências da Computação UNISUL Aran Bey Tcholakian Morales, Dr. Eng. (Apostila 9) Conceitos 2 Redes Neurais As Redes Neurais Artificias são modelos computacionais
Leia maisInteligência Artificial. Prof. Tiago A. E. Ferreira Aula 21 Projeto de RNA
Inteligência Artificial Prof. Tiago A. E. Ferreira Aula 21 Projeto de RNA Projeto de Redes Neurais Projeto de Redes Neurais Baseado apenas em dados Exemplos para treinar uma rede devem ser compostos por
Leia mais1 INTRODUÇÂO. 1.1.Motivação
22 1 INTRODUÇÂO 1.1.Motivação Duas componentes formam as perdas globais das empresas distribuidoras: perdas técnicas e perdas comerciais também denominadas perdas não técnicas. As perdas técnicas são,
Leia maisSistema de Informação
Sistema de Informação TCC em Re vista 2009 125 LOTTE, Rodolfo Georjute. Aprendizado conexionista em um sistema de busca por imagens. 2009. 104 f. Trabalho de Conclusão de Curso (Graduação em Sistemas
Leia maisIntrodução à Redes Neurais. Prof. Matheus Giovanni Pires EXA 868 Inteligência Artificial Não-Simbólica B Universidade Estadual de Feira de Santana
Introdução à Redes Neurais Artificiais Prof. Matheus Giovanni Pires EXA 868 Inteligência Artificial Não-Simbólica B Universidade Estadual de Feira de Santana 2 Introdução Redes Neurais Artificiais (RNAs)
Leia maisPROCESSO DE DESENVOLVIMENTO DE SOFTWARE. Prof. Fabiano Papaiz IFRN
PROCESSO DE DESENVOLVIMENTO DE SOFTWARE Prof. Fabiano Papaiz IFRN Um Processo de Desenvolvimento de Software, ou simplesmente Processo de Software, é um conjunto de atividades realizadas por pessoas cujo
Leia maisTÍTULO: REDES NEURAIS ARTIFICIAIS: ANÁLISE DOS PADRÕES DE ESCOLHA DAS ÁREAS DE ESPECIALIZAÇÃO
TÍTULO: REDES NEURAIS ARTIFICIAIS: ANÁLISE DOS PADRÕES DE ESCOLHA DAS ÁREAS DE ESPECIALIZAÇÃO CATEGORIA: CONCLUÍDO ÁREA: CIÊNCIAS EXATAS E DA TERRA SUBÁREA: Computação e Informática INSTITUIÇÃO(ÕES): ESCOLA
Leia maisALGORITMOS EVOLUCIONÁRIOS PARA OTIMIZAÇÃO DE REDES NEURAIS ARTIFICIAIS
ALGORITMOS EVOLUCIONÁRIOS PARA OTIMIZAÇÃO DE REDES NEURAIS ARTIFICIAIS Aida FERREIRA (1); Thiago HENRIQUE(2); (1) Institituto Federal de Pernambuco - IFPE, Av. Prof Luiz Freire, 500 Cidade Universitária
Leia maisFUNDAÇÃO FLORA DE APOIO À BOTÂNICA CHAMADA PARA SELEÇÃO DE BOLSISTA
FUNDAÇÃO FLORA DE APOIO À BOTÂNICA CHAMADA PARA SELEÇÃO DE BOLSISTA desenvolvidas dentro do Projeto avaliação da conservação das espécies arbóreas brasileiras para a avaliação global de árvores. 1. CONTEXTUALIZAÇÃO
Leia maisBruna Galle UPE Ecomp Mêuser Valença UPE Ecomp
Bruna Galle UPE Ecomp bcga@ecomp.poli.br Mêuser Valença UPE Ecomp meuserv@yahoo.com.br Roteiro Motivação Objetivos Conceitos básicos: Redes Neurais Pré processamento dos Dados Treinamento Resultados Conclusões
Leia maisSISTEMA DE MONITORAMENTO DE REDES SOCIAIS DIGITAIS UTILIZANDO REDES NEURAIS ARTIFICIAIS
FUNDAÇÃO UNIVERSIDADE REGIONAL DE BLUMENAU CURSO DE SISTEMAS DE INFORMAÇÃO SISTEMA DE MONITORAMENTO DE REDES SOCIAIS DIGITAIS UTILIZANDO REDES NEURAIS ARTIFICIAIS Marco Aurélio Beber Orientador: Roberto
Leia maisSCC Capítulo 2 Topologia e Representação
Modelos Arquiteturas Representação do Conhecimento SCC-5809 - Capítulo 2 Topologia e Representação João Luís Garcia Rosa 1 1 SCC-ICMC-USP - joaoluis@icmc.usp.br 2011 João Luís G. Rosa c 2011 - SCC-5809:
Leia maisCICLO DE VIDA DO SOFTWARE. Nas empresas também é difícil adotar apenas um ciclo de vida, na maioria das vezes possui mais de um.
Aula 02 CICLO DE VIDA DO SOFTWARE O ciclo de vida de um software é uma estrutura contendo todos os processos e tarefas envolvendo o desenvolvimento e finalização, ou seja, as etapas de operação e manutenção
Leia maisJAI 6 - Deep Learning Teoria e Prática
JAI 6 - Deep Learning Teoria e Prática Esteban Clua e Cristina Nader Vasconcelos Universidade Federal Fluminense Fundamentos Computação baseada em modelos crisnv@ic.uff.br 2 Computação baseada em aprendizado
Leia maisPrevisão de Vazões utilizando Redes Neurais Artificiais MLP e NSRBN
Previsão de Vazões utilizando Redes Neurais Artificiais MLP e NSRBN Alan Caio Rodrigues MARQUES 1, Gelson da Cruz JUNIOR 2, Cassio Dener Noronha VINHAL 3 Escola de Engenharia Elétrica e de Computação 1
Leia maisSistemas de Informação e Decisão. Douglas Farias Cordeiro
Sistemas de Informação e Decisão Douglas Farias Cordeiro Decisão Tomamos decisões a todo momento! O que é uma decisão? Uma decisão consiste na escolha de um modo de agir, entre diversas alternativas possíveis,
Leia maisProtótipo de Software para Reconhecimento de Impressões Digitais
Protótipo de Software para Reconhecimento de Impressões Digitais Aluno: Alex Sandro da Silva Orientador: Paulo de Tarso Mendes Luna Semestre - 99/1 Roteiro da Apresentação INTRODUÇÃO CONCEITOS BÁSICOS
Leia maisAPLICAÇÃO DE TÉCNICAS DE INTELIGÊNCIA ARTIFICIAL EM PROBLEMAS DE MECÂNICA QUÂNTICA. Bruno Gomes Werneck* (IC), Arnaldo Dal Pino Jr.
APLICAÇÃO DE TÉCNICAS DE INTELIGÊNCIA ARTIFICIAL EM PROBLEMAS DE MECÂNICA QUÂNTICA Bruno Gomes Werneck* (IC), Arnaldo Dal Pino Jr. (PQ) Departamento de Física Instituto Tecnológico de Aeronáutica CTA,
Leia maisPesquisa Operacional Introdução. Profa. Alessandra Martins Coelho
Pesquisa Operacional Introdução Profa. Alessandra Martins Coelho julho/2014 Operational Research Pesquisa Operacional - (Investigação operacional, investigación operativa) Termo ligado à invenção do radar
Leia maisDesenvolvimento de Sistemas de Aquisição, Processamento e Análise de Sinais Eletrocardiográficos. Introdução
Desenvolvimento de Sistemas de Aquisição, Processamento e Análise de Sinais Eletrocardiográficos Bolsista: João Luiz Azevedo de Carvalho Orientador: Adson Ferreira da Rocha Departamento de Engenharia Elétrica
Leia maisGenética Quantitativa. Recursos Computacionais. Estatística. no Processo da Pesquisa. Desenvolvimento Avícola. Nutrição Manejo. Modelos Estatísticos
Genética Quantitativa Recursos Computacionais Estatística no Processo da Pesquisa Desenvolvimento Avícola Modelos Estatísticos Nutrição Manejo Genética Quantitativa Definição do Problema Planejamento da
Leia mais2. Redes Neurais Artificiais
Computação Bioinspirada - 5955010-1 2. Redes Neurais Artificiais Prof. Renato Tinós Depto. de Computação e Matemática (FFCLRP/USP) 1 2.1. Introdução às Redes Neurais Artificiais (RNAs) 2.1.1. Motivação
Leia maisA instalação do DCR compreende apenas a descompactação do arquivo DCR.zip num diretório no disco. Descompacte o arquivo DCR.zip num novo diretório.
Manual DCR Sumário Apresentação... 1 Instalar o DCR... 1 Ativar o DCR... 1 Treinamento... 2 Entrar no Modo Treinamento... 2 Criar um Conjunto de Entrada... 2 Treinar a RNA... 4 Retreinar a RNA... 5 Testar
Leia maisUNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT. Faculdade de Ciências Exatas e Tecnológicas FACET / Sinop Curso de Bacharelado em Engenharia Elétrica
REDES NEURAIS ARTIFICIAIS PERCEPTRONS Prof. Dr. André A. P. Biscaro 1º Semestre de 2017 Forma mais simples de configuração das RNAs Rosenblatt (1958) retina área de projeção área de associação respostas
Leia maisFundamentos de Inteligência Artificial [5COP099]
Fundamentos de Inteligência Artificial [5COP099] Dr. Sylvio Barbon Junior Departamento de Computação - UEL Disciplina Anual Assunto Aula 16 Redes Neurais Artificiais (MLP) 2 de 24 (MLP) Sumário Introdução
Leia maisRedes Neurais Artificiais - Introdução. Visão Computacional
Redes Neurais Artificiais - Introdução Visão Computacional Inspiração 2 Inspiração 3 Inspiração Atividade seletivanas conexões Soma os impulsos e passa a diante 4 Inspiração As conexões entre os dendritos
Leia maisMATRIZ CURRICULAR BACHARELADO EM ENGENHARIA DA COMPUTAÇÃO. 1º Período
MATRIZ CURRICULAR BACHARELADO EM ENGENHARIA DA COMPUTAÇÃO 1º Período Código Disciplina CHT 1 CHP 2 CH Total Pré-requisitos Dados I 40 40 80 - Cálculo I 80-80 - Fundamentos da Computação 40-40 - Fundamentos
Leia maisCHAMADA PÚBLICA 06/ EDITAL DE SELEÇÃO
SERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE SANTA CATARINA SECRETARIA DE EDUCAÇÃO A DISTÂNCIA UNIVERSIDADE ABERTA DO BRASIL Campus Reitor João David Ferreira Lima Centro Sócio-Econômico
Leia maisComparação entre uma neuroprevisão(empírica) e um modelo físico simplificado para estimação hidrológica
Trabalho apresentado no XXXVII CNMAC, S.J. dos Campos - SP, 2017. Proceeding Series of the Brazilian Society of Computational and Applied Mathematics Comparação entre uma neuroprevisão(empírica) e um modelo
Leia maisOS HÁBITOS DE USO DAS TDIC POR ESTUDANTES UNIVERSITÁRIOS NO CONTEXTO EDUCACIONAL
OS HÁBITOS DE USO DAS TDIC POR ESTUDANTES UNIVERSITÁRIOS NO CONTEXTO EDUCACIONAL Vivian Timbó Magalhães Martins, Universidade Federal do Ceará (UFC); RESUMO Esse artigo expõe sobre os hábitos de uso das
Leia maisPCS3616. Programação de Sistemas (Sistemas de Programação) Visão Geral
PCS3616 Programação de Sistemas (Sistemas de Programação) Visão Geral Escola Politécnica da Universidade de São Paulo Objetivos Familiarização com o funcionamento global de software de sistema computacional
Leia maisRedes Neurais 1. Redes Neurais. cont.) Definição (cont( Definição. Histórico. Características básicas
Redes Neurais Dalma M. Falcão falcao@nacad.ufr.br http://www.nacad.ufr.br/~falcao/ Redes Neurais Definição Histórico Áreas de aplicação RNs biológicas Modelos de neurônios artificiais Arquiteturas de RNs
Leia maisASSUNTO: Roteiro exemplificativo da reversão dos registros de perdas de aplicações financeiras do RPPS realizados até o momento.
ASSUNTO: Roteiro exemplificativo da reversão dos registros de perdas de aplicações financeiras do RPPS realizados até o momento. Como realizar a reversão dos registros de perda de investimentos no Regime
Leia maisCURSO DE CIÊNCIA DA COMPUTAÇÂO (65C) HABILITAÇÃO: BACHARELADO TURNO: DIURNO (a partir de 2014)
CURSO DE CIÊNCIA DA COMPUTAÇÂO (65C) HABILITAÇÃO: BACHARELADO TURNO: DIURNO (a partir de 2014) Equivalência 1 o Período 24 créditos 360 horas MAT154 Cálculo I 04 60 ------- MAT154E MAT155 Geometria Analítica
Leia maisCURSO DE BACHARELADO EM EXPRESSÃO GRÁFICA DISCIPLINA: CEG201-INTRODUÇÃO À EXPRESSÃO GRÁFICA
CURSO DE BACHARELADO EM EXPRESSÃO GRÁFICA DISCIPLINA: CEG201-INTRODUÇÃO À EXPRESSÃO GRÁFICA Professora Vaz 1º semestre 2016 1 EMENTA Definição e conceitos fundamentais da Expressão Gráfica Elementos da
Leia maisRequisitos de Sistemas
Requisitos de Sistemas Unidade I - Engenharia de Requisitos Definição de Requisitos Tipos de Requisitos Processos de Engenharia de Requisitos - Levantamento ou elicitação 1 Processo de software Engenharia
Leia mais1. DADOS DE IDENTIFICAÇÃO:
1. DADOS DE IDENTIFICAÇÃO: Curso: Bacharelado em Sistemas de Informação Disciplina: Introdução à Inteligência Artificial Professor: Msc. Mirthys Marinho do Carmo PLANO DE CURSO Código: SIF23 E-mail: mirthysmcmelo@gmail.com
Leia mais8.1 Principais Resultados
8 Conclusões Nesta dissertação, descrevemos um sistema multi-agente para negociação em leilões simultâneos de bens relacionados. Quando falamos de agentes de negociação nos referimos ao software que negocia
Leia maisInteligência Artificial. IA Conexionista: Perceptron de Múltiplas Camadas Mapas Auto-Organizáveis. Renan Rosado de Almeida
Inteligência Artificial IA Conexionista: Redes Neurais Artificiais Perceptron de Múltiplas Camadas Mapas Auto-Organizáveis Renan Rosado de Almeida rralmeida@inf.ufrgs.br Perceptron de Múltiplas Camadas
Leia maisPrevisão de séries temporais mediante redes neurais
Previsão de séries temporais mediante redes neurais Aluna: João Pedro Mano Orientadora: Celia Anteneodo Introdução Atualmente, com o crescimento dos mercados financeiros, e com as mudanças bruscas nos
Leia maisRECONHECIMENTO DE TRAJETÓRIA COM REDES NEURAIS
1 RECONHECIMENTO DE TRAJETÓRIA COM REDES NEURAIS Giovanni Crestan Leonardo Enomoto Araki Thiago Antonio Grandi De Tolosa Wânderson de Oliveira Assis Wilson Carlos Siqueira Lima Júnior IMT Instituto Mauá
Leia maisPesquisa Operacional Introdução. Profa. Alessandra Martins Coelho
Pesquisa Operacional Introdução Profa. Alessandra Martins Coelho agosto/2013 Operational Research Pesquisa Operacional - (Investigação operacional, investigación operativa) Termo ligado à invenção do radar
Leia maisXVI CEEL - ISSN Universidade Federal de Uberlândia 05 a 09 de novembro de 2018
XVI CEEL - ISSN 2178-8308 Universidade Federal de Uberlândia 05 a 09 de novembro de 2018 APRENDIZADO A PARTIR DE BASE DE DADOS E SIMULAÇÃO DE PESO DE AVES PARA O MERCADO AVICULTOR UTILIZANDO REDES NEURAIS
Leia maisUNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT. Faculdade de Ciências Exatas e Tecnológicas FACET / Sinop Curso de Bacharelado em Engenharia Elétrica
REDES NEURAIS ARTIFICIAIS PERCEPTRON MULTICAMADAS Prof. Dr. André A. P. Biscaro 1º Semestre de 2018 Arquitetura Redes Perceptron de Múltiplas Camadas (PMC), também conhecidas como redes MLP (Multiple Layer
Leia maisFelix da Cunha 412, Pelotas RS Home-Page: s: Bolsista BIC/FAPERGS
UTILIZAÇÃO DE REDES NEURAIS PARA PREVISÕES EM SÉRIES TEMPORAIS 1 A. T. Gonçalez, A. C. R. Costa, G. P. Dimuro UCPEL Universidade Católica de Pelotas, ESIN Escola de Informática GMFC Grupo de Matemática
Leia maisO reconhecimento facial é dividido em três etapas: i) detecção da face, ii) extração de características e iii) reconhecimento da face.
ESTUDO SOBRE MÉTODOS DE RECONHECIMENTO FACIAL EM FOTOGRAFIAS DIGITAIS Ana Elisa SCHMIDT¹, Elvis Cordeiro NOGUEIRA² ¹ Orientadora e docente do IFC-Campus Camboriú; ² Aluno do curso de Bacharelado em Sistemas
Leia maisRedes Neurais MLP: Exemplos e Características
Universidade Federal do Rio Grande do Norte Departamento de Engenharia de Computação e Automação Redes Neurais MLP: Exemplos e Características DCA0121 Inteligência Artificial Aplicada Heitor Medeiros 1
Leia maisRedes Neurais INTELIGÊNCIA ARTIFICIAL
Redes Neurais INTELIGÊNCIA ARTIFICIAL 1 2 Introdução As redes neurais são um tema da computação altamente inspirada na natureza que nos cerca. Durante anos e anos os homens trabalharam para fazer computadores
Leia maisEDITAL DO PROGRAMA DE PÓS-GRADUAÇÃO EM POLÍTICAS SOCIAIS/CCH/UENF PROCESSO SELETIVO PARA BOLSAS
EDITAL DO PROGRAMA DE PÓS-GRADUAÇÃO EM POLÍTICAS SOCIAIS/CCH/UENF PROCESSO SELETIVO PARA BOLSAS O Programa de Pós-Graduação em Políticas Sociais da Universidade Estadual do Norte Fluminense Darcy Ribeiro
Leia mais1. DADOS DE IDENTIFICAÇÃO:
1. DADOS DE IDENTIFICAÇÃO: Curso: Bacharelado em Sistemas de Informação Disciplina: Introdução à Inteligência Artificial Professor: Msc. Mirthys Marinho do Carmo PLANO DE CURSO Código: SIF23 E-mail: mirthysmcmelo@gmail.com
Leia maisPesquisa de Endividamento e Inadimplência do Consumidor
1 Pesquisa de Endividamento e Inadimplência do Consumidor Marianne Lorena Hanson Rio de janeiro, 18 de janeiro de 2010 2 Sobre a PEIC O objetivo da PEIC é diagnosticar o nível de endividamento e inadimplência
Leia mais