Aline Riquetti é formada em Estatística pela UFMG e possui pós-graduação em Business Intelligence pelo IESB. Reside em Brasília, onde trabalha no SAS Brasil, e também atua como professora de pós-graduação em Ciência de Dados no IESB. Há cerca de 8 anos, trabalha com análise de dados a partir do uso de técnicas de Mineração de Dados e Aprendizado de Máquinas aplicadas especialmente para detecção de fraudes e abusos, prevenção à lavagem de dinheiro, e temas diversos correlatos à gestão pública.
Mudança cultural interna precisa ser conduzida pela alta gestão e orientada pela criação de um governo mais ágil A adoção de IA e analytics pelo setor público tem evoluído significativamente a forma como o governo opera e toma decisões. Esta transição não apenas melhora a eficiência das operações nos bastidores,
Estudos indicam que, ao longo dos últimos anos, aumentaram os casos de propagação de discursos de ódio e de notícias falsas. Especialmente no ano de 2022 há uma preocupação muito grande quanto à utilização desses recursos ilegítimos para finalidades eleitorais. Técnicas analíticas podem ser empregadas para estimular campanhas eleitorais que
O escândalo de 2018 envolvendo a campanha do então candidato à presidência Donald Trump em 2016, o Facebook e a empresa Cambridge Analytica estimulou debates acerca da proteção e acesso aos dados. À época, foi revelado pela mídia que as informações de mais de 50 milhões de usuários do Facebook
“Diga-me com quem andas e te direi quem és” é um provérbio popular vastamente conhecido e um consenso entre várias pessoas. Porém, será que essa máxima é verdadeira em todas as situações? Se assim o for, como poderíamos empregar essa relação nas atividades de prevenção a fraude e outros crimes
Ao implantar projetos de inteligência analítica os governos enfrentam desafios não vistos no setor privado. Mas se os superarmos, a recompensa será ainda maior. Meu primeiro projeto de Ciência de Dados foi ainda durante minha graduação em Estatística. Embora não tivesse esse nome à época, o objetivo e os meios
Os algoritmos de mineração de dados podem ser divididos em 4 grupos, a saber: aprendizado supervisionado, aprendizado não-supervisionado, aprendizado semissupervisionado e aprendizado por reforço. Embora os dois primeiros sejam vastamente conhecidos e implementados, os dois últimos não possuem a mesma popularidade. Mas, como veremos a seguir, isso não se deve
