<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by João Luiz De Souza Torres on Medium]]></title>
        <description><![CDATA[Stories by João Luiz De Souza Torres on Medium]]></description>
        <link>https://medium.com/@jooluizdesouzatorres?source=rss-838f5e39d532------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*8BID7gtW8KasKcKDXv6E4A.png</url>
            <title>Stories by João Luiz De Souza Torres on Medium</title>
            <link>https://medium.com/@jooluizdesouzatorres?source=rss-838f5e39d532------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Tue, 17 Nov 2026 07:36:58 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@jooluizdesouzatorres/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[Smart BackOrder: Análise e Predição de Pedidos Pendentes (BackOrder) utilizando Modelos de…]]></title>
            <link>https://medium.com/@jooluizdesouzatorres/smart-backorder-an%C3%A1lise-e-predi%C3%A7%C3%A3o-de-pedidos-pendentes-backorder-utilizando-modelos-de-4b24b045ba2a?source=rss-838f5e39d532------2</link>
            <guid isPermaLink="false">https://medium.com/p/4b24b045ba2a</guid>
            <category><![CDATA[deep-learning]]></category>
            <category><![CDATA[machine-learning]]></category>
            <category><![CDATA[backorder]]></category>
            <category><![CDATA[inteligencia-artificial]]></category>
            <dc:creator><![CDATA[João Luiz De Souza Torres]]></dc:creator>
            <pubDate>Sat, 02 Jun 2018 21:04:15 GMT</pubDate>
            <atom:updated>2018-06-02T21:58:03.274Z</atom:updated>
            <content:encoded><![CDATA[<h3>Smart BackOrder: Análise e Predição de Pedidos Pendentes (BackOrder) utilizando Modelos de Inteligência Artificial</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*fS_3d7S7b4p3DoYCNOz5kA.png" /></figure><p>Mas o título bem que poderia ser: “Inteligência Artificial: Saindo do Ponto Zero!”</p><p>Desafio proposto: “sair do ponto zero” e usar modelos de inteligência artificial na resolução de algum problema real de sistemas ERP, de forma a ser aplicado no dia a dia da minha atividade profissional, valendo-se do meu background em banco de dados e sistemas ERP voltados à inteligência de negócios.</p><p>Em meus estudos iniciais sobre Inteligência Artificial, esta foi a proposta para o Projeto Final da Disciplina RNP (Redes Neurais Profundas), no Mestrado do INF UFG, aprendendo a “sair do zero” com o professor Anderson Soares, como aluno especial no segundo semestre de 2017 (disciplina esta que se prolongou até o final de fevereiro de 2018).</p><h3>Iniciando os trabalhos… ou, “saindo do zero”…</h3><h3>Passo Número 1: Escolher um tema que fosse relacionado à atividade profissional (isto diminui um pouco da dor do começo), neste caso, “Análise e Predição de Pedidos Pendentes (BackOrder)”.</h3><p>Como assim? Do que se trata?</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*Bvm5L2oOjNVUH3_y" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*nnAGWv184ZouptET" /></figure><p>Sim, o problema existe e é maior do que pensamos!</p><p>Como se trata o problema hoje? Na maioria dos casos (entenda-se sistemas de software), o vendedor insere o pedido no sistema (caso o cliente comprador aceite esperar) e o mesmo fica com o status “Em BackOrder”, aguardando que o produto desejado seja adquirido e faça parte do estoque da empresa. Desta forma os pedidos podem ser atendidos, em teoria, na ordem (fila) que entraram no sistema.</p><p>De que tamanho é o problema? Alguns números, fáceis de se encontrar:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*Rek7UOrxPTHRD73b" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*NjNaZEkbF6DbDxNr" /></figure><h3>Refletir em “Como a Inteligência Artificial pode auxiliar na resolução do problema?”</h3><h3>Passo Número 2: Reflexões.</h3><ul><li>A partir dos fatos já ocorridos, utilizando os dados disponíveis, aplicar modelos e algoritmos que possam estabelecer uma “previsão” sobre a probabilidade de nova ocorrência.</li><li>A proposta deste trabalho é contribuir com a Análise Preditiva de BackOrders, apresentando-a como uma ferramenta auxiliar ao processo de tomada de decisão nas empresas.</li><li>Visa especialmente, uma mudança de postura: REATIVA x PRÓ-ATIVA, atuando diretamente nos índices de satisfação de clientes, com a consequente melhoria nas vendas.</li></ul><h3>Já ouviu falar no “<a href="https://www.kaggle.com/">Kaggle: Your Home for Data Science</a>”?</h3><h3>Passo Número 3: como conseguir os dados?</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*JDGWEQqL8SjpOu6q" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*W3gvePJnpCHNo4SK" /></figure><p>A base de dados que foi disponibilizada neste desafio (à época) é bastante parecida (e adaptável) com a realidade dos nossos Sistemas ERP.</p><p>Vejamos… “Dado um determinado produto, temos as Características (features) e uma Consequência (target)” abaixo:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*zL29saLNAZRGJwK-" /></figure><h3>E agora, o que fazer? Mãos à obra, suar a camisa…</h3><h3>Passo Número 4: trabalhar os dados.</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*z4Iik15RTUcVTDx4" /></figure><p>Entendendo melhor as Etapas 1, 2 e 3:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*4IWmCZcSqol17vR9" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*u-XbAf_gFTE4hiZo" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*lCf0DXKaq1OO5dHX" /></figure><p>Escolha inicial de modelos a serem utilizados na Etapa 3:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*YanAeXfSma61B_oW" /></figure><p>Chegamos em algum lugar. Mas o desafio continua…</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*9k2rvxtksDEZ4ygW" /></figure><h3>Assim, “saímos do zero”… mas e agora?</h3><h3>Passo Número 4: Para onde vamos?</h3><p>Agora é: muito, mas muito trabalho pode ser feito. Nós apenas começamos!</p><p>Necessário refletir… e continuar!</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*k_6v8y2w4q53IxXD" /></figure><p>Ninguém disse que seria simples. E “apenas” saímos do zero…</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*faO5Nm1P5xMXjAkr" /></figure><p>As possibilidades são enormes! Mãos à obra!</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*7dYZzzzAJRhhG93r" /></figure><p>Os trabalhos continuam.</p><h3>Finalizando… a realidade!</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*lqFguG7nwD_MRVdc" /></figure><p>Para aqueles que imaginam que existe varinha mágica na Inteligência Artificial… não há! Há sim, muito trabalho! Sinta-se convidado!</p><h3>Alguns companheiros preciosos passaram a compor meu “ciclo de amizades”:</h3><ul><li><a href="http://shop.oreilly.com/product/0636920032861.do">Data Wrangling with Python — Tips and Tools to Make Your Life Easier</a></li><li><a href="https://www.amazon.com.br/Intelig%C3%AAncia-Artificial-Abordagem-Aprendizado-M%C3%A1quina/dp/8521618808">Inteligência Artificial — Uma Abordagem de Aprendizado de Máquina</a></li><li><a href="https://www.amazon.com.br/Redes-Neurais-Princ%C3%ADpios-Pr%C3%A1tica-Haykin/dp/8573077182/">Redes Neurais. Princípios e Prática</a></li><li><a href="https://www.amazon.com.br/Artificiais-Engenharia-Ci%C3%AAncias-Aplicadas-Fundamentos/dp/8588098873/">Redes Neurais Artificiais Para Engenharia e Ciências Aplicadas — Fundamentos Teóricos e Aspectos Práticos</a></li><li><a href="https://www.amazon.com.br/Science-Neg%C3%B3cios-Minera%C3%A7%C3%A3o-Pensamento-Anal%C3%ADtico/dp/8576089726/">Data Science Para Negócios. O que Você Precisa Saber Sobre Mineração de Dados e Pensamento Analítico de Dados</a></li><li><a href="https://www.amazon.com.br/gp/product/8550801151/">Big Data no Trabalho. Derrubando Mitos e Descobrindo Oportunidades</a></li></ul><h3>Poderia ver algum código fonte?</h3><p>A documentação descritiva dos fontes, “Python <a href="http://jupyter.org/">Jupyter</a> Notebooks”, pode ser encontrada <a href="http://rnp2017ufg.s3-website-us-west-2.amazonaws.com/">aqui neste repositório</a>. Em breve estarão no <a href="https://github.com/TorresJLST">GitHub</a>.</p><p>Voltaremos aqui com a continuidade deste trabalho e com a apresentação de outros desafios.</p><p>Afinal de contas… após “sair do zero”… “Ao infinito e além!”.</p><p>Até breve!</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=4b24b045ba2a" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>