Uso de Inteligência Artificial Simbólica alidada a Aprendizado de Máquina na Extração e na Análise de Informação de Textos/Implementação de processos de ELT inteligentes

Abstract

Este resumo apresenta as atividades desenvolvidas ao longo da pesquisa, organizadas em duas frentes principais. A primeira envolveu a implementação e evolução de pipelines de ETL para coleta, integração e processamento de dados de medicamentos provenientes da Anvisa e da CMED, utilizando MongoDB e PostgreSQL. Foram analisadas duas arquiteturas, uma baseada em Apache Airflow e outra em RabbitMQ, considerando aspectos de orquestração, desacoplamento, validação, rastreabilidade e desempenho das etapas internas. A segunda frente concentrou-se na classificação de máquinas pesadas a partir de descrições de itens de NF-e. Para isso, foram construídas regras ouro, realizadas amostragens estratificadas e avaliados diferentes classificadores de Machine Learning, representações textuais e modelos de linguagem. Os resultados permitiram comparar desempenho preditivo, estabilidade e custo computacional das abordagens, além de apoiar a identificação e categorização automática de máquinas pesadas em grandes conjuntos de dados.