GRUPO DE ESTUDOS E PESQUISA EM TECNOLOGIA E EFICIÊNCIA

No biênio 2021/2022 o objetivo do GEPTE será realizar um levantamento dos problemas atuais do Ministério Público do Estado da Bahia (MPBA) e buscar soluções através de inovação tecnológica. Para isso, será fomentado no grupo estudos baseados em tecnologias mais recentes como: Big Data Analytics, Inteligência artificial, Processamento da Linguagem Natural, Análise de sentimentos, Block Chain, entre outras.

Será proposto aos(às) pesquisadores(as) que, a partir das tecnologias apresentadas, eles(as) possam buscar soluções para o MPBA, baseando-se nos subtemas a seguir:

  • Aquisição, tratamentos e processamento de dados telemáticos no Ministério Público;
  • Automação robótica de processos;
  • Extração de informações de forma automatizada a partir de documentos digitais;
  • Sugestão de movimentos no IDEA a partir de procedimentos similares já cadastrados;
  • Jurimetria – estatística aplicada ao direito;
  • Analytics – uso da inteligência artificial para predição/sugestão com base nos dados.

Também será facultado aos(às) pesquisadores(as) sugerir outras temáticas, tecnologias e ferramentas.

Para ingressar no GEPTE acompanhe os editais de seleção!

Plano de Trabalho

Trata-se do  instrumento de planejamento do grupo (funcionamento, necessidades, resultados, etc.). Acompanhe a versão mais atual.

LÍDERES DE PESQUISA

Leandro Oliveira
Carlos Frederico

O GEPTE é coordenado pelo líder tiular, Msc. Leandro Souza de Oliveira, analista técnico do MPBA e mestre em Ciências da Computação.

O GEPTE também conta com a coordenação do líder adjunto, Mcs. Carlos Frederico Jansen Muakad, analista técnico do MPBA e mestre em Sistemas e Computação. 

Além dos líderes, o GEPR conta com sete pesquisadores(as) internos(as), entre membros e servidores(as):

  • Alex Nério de Andrade Bomfim
  • Anderson Freitas de Cerqueira
  • João Vitor Vilas Boas de Freitas
  • Karina Lima Soares Santos
  • Sávio Henrique Damasceno Moreira
  • Semiana Silva de Oliveira Cardoso
  • Yuri Gonzalez Araujo

Referencial Teórico

Compõe a bibliografia básica do grupo:

BAG, Dinabandhu.

Business analytics. Taylor & Francis, 2016.

BAER, Drake.

‘Machine Learning’ is a revolution as big as the internet or personal computers. BusinessInsider, 2016. Disponível: .

COPELAND, Michael.

What’s the Difference Between Artificial Intelligence, Machine Learning, and Deep Learning? Nvidia, 2016. Disponível:

DAVENPORT, Thomas H.

Big data no trabalho. Elsevier Brasil, 2014.

Nulla ultricies risus quis risus

Nam nulla turpis, commodo ut fermentum non, lacinia sit amet enim. Nulla sit amet fringilla ipsum.

DIETRICH, David.

Data science and big data analytics: Discovering, analyzing, visualizing and presenting data. John Wiley & Sons, 2015.

GRUS, Joel.

Data Science do zero: Primeiras regras com o Python. Alta Books, 2019.

MCKINNEY, Wes.

Python para análise de dados: Tratamento de dados com Pandas, NumPy e IPython. Novatec Editora, 2019.

O’NEIL, Cathy.

Weapons of Math Destruction: How Big Data Increases Inequality and Threatens Democracy. Editora Crown, 2016.

PROVOST, Foster, and Tom Fawcett.

Data Science for Business: What you need to know about data mining and data-analytic thinking. O'Reilly Media, Inc., 2013.

calendario-art

Cronograma de Reuniões

Projetos de pesquisa em andamento

Visa a demonstrar a que o grupo se propõe do ponto de vista intelectual, da investigação em si.
A ideia é que o projeto de pesquisa do grupo represente um quebra-cabeças a ser montado. Cada projeto individual precisa ser uma peça/uma resposta encontrada individualmente que se unem para que se chegue às respostas que o grupo busca.

Em construção!

Voltar para o topo
Skip to content