Exportar registro bibliográfico

Otimização do processamento de documentos impulsionada por Machine Learning: desenvolvimento e implementação de soluções inovadoras e mais eficientes para escritórios (2024)

  • Authors:
  • USP affiliated authors: MAZZINI, ANA BEATRIZ - EP ; CORREIA, RAPHAEL PELLEGRINI - EP ; CONSTANTINO, VINICIUS CAMPOS - EP
  • Unidade: EP
  • Sigla do Departamento: PQI
  • Subjects: APRENDIZADO COMPUTACIONAL; PROCESSO; DIGITALIZAÇÃO
  • Language: Português
  • Abstract: No atual cenário empresarial, marcado por avanços tecnológicos como automação, integração na nuvem e adoção de softwares inovadores, a inteligência artificial, notadamente o Machine Learning, desempenha papel essencial na otimização dos processos. Identificouse a necessidade de uma solução acessível e eficiente para a digitalização de documentos em empresas de diferentes portes, impulsionada pela observação do cotidiano empresarial. A solução desenvolvida, por meio de um código em Python utilizando técnicas de Machine Learning, permite a transcrição de documentos de imagens para formatos de texto. Isso agiliza a extração de informações cruciais para diversas áreas, como financeiro, produção, controladoria, jurídico e compliance. Essa abordagem visa reduzir o tempo dedicado pelos funcionários a tarefas de digitalização, resultando em cortes nos custos operacionais. As informações extraídas são facilmente exportáveis em formatos como Excel, bancos de dados ou JSON, proporcionando flexibilidade conforme as necessidades específicas de cada empresa. Além de otimizar processos, a solução contribui para a agilidade operacional e eficiência financeira, permitindo uma alocação estratégica dos recursos humanos em tarefas mais complexas e de maior valor agregado. A implementação bem-sucedida dessa solução representa um passo significativo em direção à transformação digital e à excelência operacional nas empresas.
  • Imprenta:

  • Download do texto completo

    Tipo Nome Link
    Versão Publicada Ana-Raphael-ViniciusTF24.... Direct link
    How to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      MAZZINI, Ana Beatriz e CORREIA, Raphael Pellegrini e CONSTANTINO, Vinicius Campos. Otimização do processamento de documentos impulsionada por Machine Learning: desenvolvimento e implementação de soluções inovadoras e mais eficientes para escritórios. 2024. Trabalho de Conclusão de Curso (Graduação) – Escola Politécnica, Universidade de São Paulo, São Paulo, 2024. Disponível em: https://bdta.abcd.usp.br/directbitstream/cec6a6d4-148b-430b-afcc-c5a283ef8f85/Ana-Raphael-ViniciusTF24.pdf. Acesso em: 22 mar. 2025.
    • APA

      Mazzini, A. B., Correia, R. P., & Constantino, V. C. (2024). Otimização do processamento de documentos impulsionada por Machine Learning: desenvolvimento e implementação de soluções inovadoras e mais eficientes para escritórios (Trabalho de Conclusão de Curso (Graduação). Escola Politécnica, Universidade de São Paulo, São Paulo. Recuperado de https://bdta.abcd.usp.br/directbitstream/cec6a6d4-148b-430b-afcc-c5a283ef8f85/Ana-Raphael-ViniciusTF24.pdf
    • NLM

      Mazzini AB, Correia RP, Constantino VC. Otimização do processamento de documentos impulsionada por Machine Learning: desenvolvimento e implementação de soluções inovadoras e mais eficientes para escritórios [Internet]. 2024 ;[citado 2025 mar. 22 ] Available from: https://bdta.abcd.usp.br/directbitstream/cec6a6d4-148b-430b-afcc-c5a283ef8f85/Ana-Raphael-ViniciusTF24.pdf
    • Vancouver

      Mazzini AB, Correia RP, Constantino VC. Otimização do processamento de documentos impulsionada por Machine Learning: desenvolvimento e implementação de soluções inovadoras e mais eficientes para escritórios [Internet]. 2024 ;[citado 2025 mar. 22 ] Available from: https://bdta.abcd.usp.br/directbitstream/cec6a6d4-148b-430b-afcc-c5a283ef8f85/Ana-Raphael-ViniciusTF24.pdf

    Últimas obras dos mesmos autores vinculados com a USP cadastradas na BDPI:

    Biblioteca Digital de Trabalhos Acadêmicos da Universidade de São Paulo     2012 - 2025