|
Nome do aluno
|
Cleiton Otavio da Exaltação Rocha
|
|---|---|
|
Título do trabalho
|
A Deep Learning architecture to detect irregularities in public contracts
|
|
Resumo do trabalho
|
O Governo Federal do Brasil, em 2023, emitiu um total de 1.761.910 de notas fiscais para diversos tipos de aquisições, essas emissões resultaram em um montante de R$ 76,62 bilhões em negociações com entidades privadas (Portal da Transparência, 2024). Essas aquisições governamentais abrangem um amplo espectro da máquina pública, incluindo aquisições para compras de materiais utilizados em construção de rodovias, escolas, portos e usinas de energia, e que são distribuídas em diversos locais do território nacional, o que gera um volume crescente e diversificado de informações, presentes em contratos e notas fiscais de produtos e serviços. No entanto, essas compras governamentais são frequentemente um campo fértil para a ocorrência de conluios e fraudes (OCDE, 2007). Essa dissertação propõe o desenvolvimento de um modelo, baseado em transformadores, para a análise de compras governamentais, visando identificar transações potencialmente ilícitas. Este modelo tem como objetivo prever, com base em características como produtos adquiridos, preços e outras informações pertinentes, quando uma compra é efetuada por algum ente privado que já sofreu alguma sanção federal. Para alcançar esse objetivo, serão utilizados dados históricos de compras públicas, incluindo detalhes sobre produtos, preços, fornecedores e outras variáveis relevantes. O modelo será treinado, ajustado e validado utilizando técnicas de aprendizado profundo, com foco em redes de transformadores, conhecidas por sua eficácia em tarefas de processamento de linguagem natural e análise de dados complexos.
|
|
Orientador
|
Gecynalda Soares da Silva Gomes
|
|
Membro Titular 1
|
Marlo Vieira dos Santos e Souza
|
|
Link para o curriculum lattes
|
http://lattes.cnpq.br/
|
|
Membro Titular 2
|
Ricardo Ferreira da Rocha
|
|
Link para o curriculum lattes
|
http://lattes.cnpq.br/
|
|
Suplente 1
|
Daniela Barreiro Claro
|
|
Link para o curriculum lattes
|
http://lattes.cnpq.br/
|
|
Suplente 2
|
Edleide de Brito
|
|
Link para o curriculum lattes
|
http://lattes.cnpq.br/
|
|
Data do exame
|
03 Sep, 2024
|
|
Horário do exame
|
2:00 PM
|