Redes Neurais Artificiais - Aplicações em Business Analytics

TRABALHO DE CONCLUSÃO Entrega até o dia 25 de junho de 2022 BUSINESS ANALYTICS Prof Múcio F Zacharias Redes Neurais Artificiais Uma das técnicas de Aprendizado de Máquina que tem tido sucesso em resolver muitos problemas são as Redes Neurais Artificiais RNA As RNA são modelos matemáticos que se inspiram nas estruturas neurais biológicas e que têm a capacidade computacional adquirida por meio de aprendizado O processamento da informação em RNA é feito nos neurônios artificiais conhecidos como neurônio McCulloch e Pitts ou modelo MCP McCulloch Pitts 1943 O modelo mais simples de aprendizado com Redes Neurais o Perceptron foi definido em 1957 por Frank Rosemblat e resolve problemas simples que são linearmente separáveis Rosenblatt 1957 O Perceptron é composto por uma estrutura com uma única camada tendo como unidades básicas neurônios MCP e uma regra de aprendizado O algoritmo de aprendizagem do Perceptron utiliza a correção de erros diferença entre a resposta desejada e a resposta da rede como base Para fazer o aprendizado da Rede Neural existe uma fase de treinamento e uma fase de teste do algoritmo Na fase de treinamento os exemplos rotulados são apresentados ao algoritmo Os parâmetros da rede pesos são modificados a cada apresentação de um novo exemplo à rede Depois do ajuste dos parâmetros na fase de teste o sistema é avaliado Para resolver problemas mais complexos são necessárias redes de Perceptrons organizadas em múltiplas camadas MLP do inglês MultiLayer Perceptrons O algoritmo mais utilizado para treinar as MLP chamase Backpropagation Rumelhart et al 1986 e resolveu muitos problemas mas a solução dos problemas não é garantida problemas de mínimos locais e outras técnicas SVM do inglês Support Vector Machines Cortes Vapnik 1995 por exemplo começaram a apresentar melhores resultados que Redes Neurais na solução de vários problemas como no reconhecimento de imagens até que o uso de Redes Neurais com muitas camadas escondidas que são chamadas de Redes Neurais Profundas do inglês Deep Neural Networks LeCun et al 2015 começassem a ser utilizadas largamente Redes Neurais Profundas foram inspiradas pela sensibilidade local e orientação seletiva do cérebro Essas redes foram projetadas para que implicitamente extraiam características relevantes da entrada São as Redes Neurais Profundas que estão resolvendo a maioria dos problemas satisfatoriamente Nas Redes Neurais Profundas em geral as redes deixam de ter estruturas totalmente conectadas um neurônio se conecta a todos os neurônios da camada anterior Em vez disso cada neurônio passa a se conectar com um conjunto limitado de neurônios da camada anterior restringindo a conexão entre neurônios a janelas limitadas também conhecidas como filtros ou kernels Camadas que utilizam esse tipo de mecanismo são chamadas de camadas de convolução Tais camadas são definidas como um conjunto de filtros kernels que por sua vez são matrizes que definem uma determinada característica visual que se deseja detectar na imagem As Redes Profundas têm também uma camada de Pooling uma grade de unidades que sumarizam de alguma forma as ativações dos neurônios com que se conectam Considera as seguintes key accounts contas chaves na sua resposta Comente os tópicos de 1 a 10 de forma objetiva e em poucas linhas 1 FORECAST projeções 2 RECORRÊNCIA Rotina 3 AUTOMAÇÃO ação independente 4 APRENDIZAGEM Machine Learning 5 BIG DATA captura de dados na internet 6 SMALL DATA aplicação específica dos dados 7 RESULTADOS ECONÔMICOS como fica o investidor 8 RENTABILIDADE Faturamento eou rentabilidade 9 NOVAS PROFISSÕES o que vai mudar 10 FUTURO onde vamos chegar Referência para o trabalho final httpswwwscielobrjeaawXBdv8yHBV9xHz8qG5RCgZd Estou à disposição para esclarecer as dúvidas Celular 55 19 9 30062000 muciozachariasgmailcombr TRABALHO EM CLASSE Dia 1 aplicado em aula manhã BUSINESS ANALYTICS Prof Múcio F Zacharias Considere os quesitos abaixo e responda de forma objetiva A maioria das empresas buscam incansavelmente RECEITAS ou simplesmente aumentarem as suas vendas Conforme título da matéria as empresas investem mas o parâmetro de retorno está correto Você concorda com o foco atribuído ao Business Analytics para aumentar as vendas Caso não concorde qual seria uma métrica mais justa para auferir o retorno do investimento em BA Comente em grupo Analise também os efeitos do Business Intelligence sob a mesma ótica Dica Rememore as diferenças entre Business Intelligence e Business Analytics Estou à disposição para esclarecer as dúvidas Celular 55 19 9 30062000 muciozachariasgmailcombr TRABALHO EM CLASSE Dia 1 aplicado em aula tarde BUSINESS ANALYTICS Prof Múcio F Zacharias De acordo com a tabela acima disponível em EXCEL precisamos encontrar uma saída lógica para o seguinte problema ou restrição 1 Não podemos elevar o faturamento Hoje está em R 642750000 2 Os produtos podem ter variação de quantidade vendida 30 ou 40 3 A meta é melhorar o resultado da organização está com prejuízo de 425 EXTERNO aumento máximo de vendas em 30 qualquer produto INTERNO diminuição de até 40 nas vendas p produtos FATURAMENTO FIXO em R 642750000 OBJETIVO Maximizar Margem de Contribuição MC ou MC RESTRIÇÕES Dica Realize os cálculos em planilha testando as restrições a fim de maximizar o resultado Estou à disposição para esclarecer as dúvidas Celular 55 19 9 30062000 muciozachariasgmailcombr