FERRAMENTAS DE INTELIGÊNCIA ARTIFICIAL APLICADAS À CURADORIA AUTOMATIZADA DE DADOS

Autores

  • Denise Fukumi Tsunoda <span>Universidade Federal do Paraná (UFPR)</span><br /> Autor
  • André José Ribeiro Guimarães <span>Universidade Federal do Paraná (UFPR)</span><br /> Autor

Resumo

O crescimento exponencial da disponibilidade dos dados digitais tem gerado uma demanda crescente por soluções que permitam a curadoria eficiente e automatizada de grandes volumes de dados. Para mensurar o interesse da comunidade científica em ferramentas de IA para curadoria automatizada de dados, foram analisados 277 documentos publicados entre 2003 e 2023. O primeiro documento, de 2003, da área de bioinformática, e desde então, o número de publicações cresceu 19,75% ao ano, atingindo 65 em 2023. Este artigo revisa e compara ferramentas de Inteligência Artificial (IA) que podem ser utilizadas no suporte à curadoria automatizada de dados, incluindo GPT-4, IBM Watson, Google Cloud AutoML, Amazon Sagemaker, DataRobot, Alteryx, Microsoft Azure Machine Learning e SAS Viya. As ferramentas são avaliadas e comparadas com base em critérios tais como inovação tecnológica, versatilidade, facilidade de uso, integração com outros sistemas e eficácia. Cada uma oferece um conjunto específico de funcionalidades que contempla desde a limpeza e organização de dados até a análise preditiva e a extração de informações relevantes. Conclui-se que a escolha da ferramenta depende das necessidades específicas de cada aplicação e, muitas vezes, é necessário o uso de mais de uma ferramenta para que seja realizado o processo de curadoria de dados.

Biografia do Autor

  • Denise Fukumi Tsunoda, <span>Universidade Federal do Paraná (UFPR)</span><br />
    Professora titular na Universidade Federal do Paraná, Departamento de Ciência e Gestão da Informação com atuação no curso de graduação em Gestão da Informação e docente permanente no Programa de Pós-Graduação em Gestão da Informação (PPGGI) e Mestrado Profissional em Economia (PPGEcon). Graduada em Informática pela Universidade Federal do Paraná (1992), mestre em Engenharia Elétrica e Informática Industrial pela Universidade Tecnológica Federal do Paraná (1996) e doutora em Engenharia Elétrica e Informática Industrial - Engenharia Biomédica pela também Universidade Tecnológica Federal do Paraná (2004). Pertence ao grupo permanente de revisores da Revista Produção Online, Revista GEPROS e AtoZ. Atua principalmente nos seguintes temas: inteligência artificial, machine learning, deep learning, descoberta de padrões em banco de dados, mineração de dados, mineração de processos, mineração de textos, computação evolucionária, algoritmos genéticos, programação genética e análise de dados.
  • André José Ribeiro Guimarães, <span>Universidade Federal do Paraná (UFPR)</span><br />
    Doutor em Gestão da Informação pela Universidade Federal do Paraná (2022). Possui graduação em Desenho Industrial, com habilitação em Programação Visual, pela Universidade Estadual Paulista Júlio de Mesquita Filho (2004) e mestrado em Ciência, Gestão e Tecnologia da Informação pela Universidade Federal do Paraná (2014). Tem experiência na área de design digital, atuando como desenvolvedor web desde 2005. A partir de 2012, voltou a atuar na área acadêmica, principalmente nos seguintes temas: programação de computadores, gestão do conhecimento, inovação, criatividade, mineração de textos, ciência de dados e bibliometria. Como professor, além das disciplinas da área de tecnologia, lecionou sobre experiência do usuário (UX), big data, marketing, gamificação e comportamento do consumidor.

Downloads

Publicado

02-12-2024

Volume dos Anais

v. 4 n. 1 (2025): XXIV ENCONTRO NACIONAL DE PESQUISA E PÓS-GRADUAÇÃO EM CIÊNCIA DA INFORMAÇÃO

Seção

GT 8 – Dados, Informação e Tecnologia