Resumo |
A logística é responsável pelo planejamento, implementação e controle do fluxo de operações, dessa forma, ela traz o equilíbrio entre as necessidades e as expectativas do consumidor. Para atingir estes objetivos, é necessário que ocorra a previsibilidade da demanda por meio de uma série histórica que permite o uso de modelos e métodos matemáticos. Com base nos padrões encontrados, é possível utilizar a inteligência artificial, como fator chave de desenvolvimento de previsões de séries temporais, que geram informações mais assertivas. Nesse sentido, o machine learning possui algoritmos de treinamento supervisionado, que coletam dados de aprimoramento que refletem soluções que predizem comportamentos. Dessa forma, o intuito do projeto de pesquisa é a análise do machine learning para aplicações financeiras embasadas na predição. Como objeto de estudo, inicialmente utilizamos técnicas de redes neurais para prever o comportamento do jogo Gambler, no qual consiste em um espaço de apostas que dependem do valor financeiro que o jogador possui, o problema se resume na tomada de decisão sobre a quantidade de valor que deve ser apostado a cada momento. Por meio do Reinforcement Learning, é possível simular diversos cenários para aplicar a predição e encontrar resultados otimizados, nesse sentido, foi desenvolvido um código em Python para determinar a estratégia ideal que maximize a possibilidade de atingir a meta. Ao longo deste estudo, foi possível aprofundar sobre temas relacionados à inteligência artificial, como o q-learning, algoritmo de aprendizado que utiliza de iterações com o ambiente para aprender sem utilizar políticas específicas; como as redes neurais, que são modelos computacionais que possuem capacidade de aprendizado a partir de exemplos e possuem uma maior capacidade de identificar padrões; e a utilização de bibliotecas como ferramentas de desenvolvimento de soluções, como o Stable Baselines 3, que é comumente utilizado para aprendizados por reforço e para a utilização de algoritmos com o PPO (Proximal Policy Optimization) . Por meio deste estudo, conclui-se que a aplicação de ferramentas voltadas para a inteligência artificial favorece previsões mais assertivas que auxiliam na tomada de decisão, nesse sentido, o machine learning é um método promissor para a resolução de problemas preditivos. |