Banca de QUALIFICAÇÃO: FREDERICO JOSE DE ATHAYDE GUIMARAES

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE : FREDERICO JOSE DE ATHAYDE GUIMARAES
DATA : 27/08/2025
HORA: 13:30
LOCAL: Sala do PPGER
TÍTULO:

DESAFIOS DA APLICAÇÃO DAS FERRAMENTAS DE INTELIGÊNCIA ARTIFICIAL PARA ANÁLISE ECONÔMICA: A EVOLUÇÃO DOS ALGORÍTIMOS DE MACHINE LEARNING E REDES NEURAIS PARA APLICAÇÃO EM ESTUDOS DE ECONOMIA REGIONAL

PALAVRAS-CHAVES:

Redes Neurais Artificiais; Machine Learning; Análise Econômica; Modelagem Algorítimica; Inteligência Artificial; Processamento de Linguagem Natural; Economia Regional; Desenvolvimento Interior RJ.

PÁGINAS: 52
RESUMO:

O desenvolvimento dos mecanismos de Inteligência Artificial foi fortemente apoiado nos modelos de Rede Neural Artifical (RNA) e pelos algorítimos de Machine Learning (ML). Os algoritimos de ML usam dados para obter conhecimento experimental (aprendizado) e gerar modelos de previsão generalistas que podem ser aplicados em dados fora do espaço amostral. As RNA’s são definidas como processadores maciçamente paralelos que simulam o cérebro humano na intenção de coletar evidências empíricas e usá-las no processamento de conhecimento experimental (ML) simulando as interações entre as redes de neurônios. Este desenvolvimento impulsionou o aperfeiçoamento da análise estocástica de dados e expandiu o universo da modelagem estatística para utilização de algoritmos (modelagem algoritima) que permitem definir relações de interdependência mesmo em cenários que o mecanismo de dados seja desconhecido. A maior parte da modelagem econômica ainda se compromete com o uso quase exclusivo de modelos de dados estocástico apoiados por teorias baseadas em relações lineares das variáveis preditivas (Breiman 2001). Essa abordagem tem limitações diante de uma ampla gama de problemas atuais interessantes. A modelagem algorítmica, tanto na teoria quanto na prática, desenvolveu-se rapidamente. Ela pode ser usada tanto em grandes conjuntos de dados complexos, quanto como uma alternativa mais precisa e informativa à modelagem tradicional em conjuntos de dados menores. Se objetivamos usar dados para resolver problemas adotados e, se tomamos a econometria em essência como uma ferramenta que permite a tomada de decisão sob incerteza (Chamberlain, 2000), precisamos entender as ferramentas algorítmicas, possibilitando adicionar alternativas aos modelos mais tradicionais, potencializando as possibilidades de análise com a adoção de um conjunto mais diversificado de ferramentas (Athey et al 2019). Além disso o uso destas ferramentas associadas ao processamento de linguagem natural (PLN) para a extração e análise de dados de texto, permite uma abordagem inovadora que pode contribuir, não só para o entendimento mais preciso das condições particulares da análise econômica mas também, a partir da construção metodológica, servir de modelo para o uso destas ferramentas em futuras análises econômicas regionais que, posto singularidades próprias, não tem estas características definidas em modelo genéricos macroeconômicos e nem normatizada em dados estruturados oficiais, sendo portanto, necessário a extração e processamento de informações em dados desestruturados (texto livre) que estão presentes nas interações de redes sociais e de sites de notícias regionais. Esperamos neste trabalho demonstrar os princípios norteadores do uso da modelagem algorítima, dos benefícios e limitações para a análise econômica comparados aos métodos estocásticos tradicionais e subsidiariamente, aplicar estas ferramentas em uma análise empírica comparativa do desenvolvimento agropecuário do interior fluminense face ao desenvolvimento do interior paulista.

MEMBROS DA BANCA:
Externo à Instituição - EDSON ZAMBON MONTE - UFES
Presidente - ***.915.177-** - EVERLAM ELIAS MONTIBELER - UFES
Interno - 2639882 - FELIPE LEITE COELHO DA SILVA