APLICAO DE REDES NEURAIS

ARTIFICIAIS ELABORAO DE
MODELOS PREDITIVOS E
CLASSIFICATRIOS

Treinamento in-company Setembro de 2015

Uma abordagem baseada

27/09/2016 em ANNs supervisionadas
por Algoritmos Genticos
O diferencial oferecido por softwares
adaptativos de ponta para enfrentar o
desafio de elaborar modelos de alta
capacidade preditiva e classificatria.
 Aplicao de redes neurais artificiais elaborao de modelos preditivos e classificatrios

Aplicao de redes neurais artificiais elaborao

de modelos preditivos e classificatrios
Uma abordagem baseada em ANNs supervisionadas por Algoritmos
Genticos

I - Contextualizao
A utilizao de ferramentas de AI em todos os tipos e portes de organizaes tem crescido exponencialmente
nos ltimos dez anos, especialmente no perodo ps-crise financeira internacional. Isso se deve a uma
conjuno de fatores, mais precisamente:
1. As ferramentas de AI, especialmente as redes neurais artificiais (ANNs) supervisionadas por algoritmos
genticos (GA), mostraram-se superiores, em termos de capacidade preditiva, ao ferramental de
modelagem mais tradicional, como regresso linear muitivariada, anlise discriminante, Logit e Probit,
que apresentou cumulativamente falhas graves.

2. A superviso por algoritmos genticos eliminou completamente antigas objees s ANNs,

especificamente o comportamento caixa preta (limitao da capacidade explicativa das variveis dos
modelos), a tendncia a overfitting (previso excessivamente precisa para dados in-sample mas
com perdas nos dados out-of-sample), e o risco de prender-se a timos localizados, como soluo
final (em vez de timos globais ou absolutos).

3. O aumento de capacidade de processamento do hardware permitiu o uso de ferramentas com tal

sofisticao, trabalhando sobre massas significativas de dados, e ainda assim concluir a elaborao do
modelo preditivo em perodos viveis.

4. O surgimento de Big Data, com a incorporao cada vez mais frequente, como inputs para modelos
preditivos, de dados no estruturados obtidos em redes sociais, mecanismos de pesquisa, aplicativos
mveis, vai tornando cada vez mais incompletos e inadequados os modelos tradicionais baseados
apenas em dados numricos estruturados, alimentando as ferramentas convencionais supracitadas.
Os novos dados so tipicamente no-lineares, justamente o territrio dominado pelas ANNs
supervisionadas.

5. A crescente digitalizao das instituies financeiras convencionais e o exponencial crescimento das

Fintechs demandam cada vez maior automao nas operaes de anlise, concesso e aprovao de
crdito, alm de mining de potenciais casos especficos, dirigindo-lhes servios mais adequados a
seus perfis. ANNs supervisionadas so instrumentos cada vez mais escolhidos para a automao de
tais atividades.
A imprensa especializada, no mundo inteiro, tem reportado a todo o momento o crescente uso de ferramentas
de inteligncia artificial (AI) por organizaes de health care, o assim chamado Boom de AI, como bem
destacado neste recente (set/2016) artigo da Forbes, intitulado How Machine Learning, Big Data And AI Are
Changing Healthcare Forever, do qual apresentamos extratos a seguir:

Direitos autorais reservados para IntelliSearch Experteam Consultoria Ltda. - Pgina 1

Aplicao de redes neurais artificiais elaborao de modelos preditivos e classificatrios

While robots and computers will probably never completely replace doctors and nurses, machine
learning/deep learning and AI are transforming the healthcare industry, improving outcomes, and
changing the way doctors think about providing care.

Machine learning is improving diagnostics, predicting outcomes, and just beginning to scratch the
surface of personalized care.
Imagine walking in to see your doctor with an ache or pain. After listening to your symptoms, she
inputs them into her computer, which pulls up the latest research she might need to know about how
to diagnose and treat your problem. You have an MRI or an xray and a computer helps the radiologist
detect any problems that could be too small for a human to see. Finally, a computer looks at your
medical records and family history and compares that with the best and most recent research to
suggest a treatment protocol to your doctor that is specifically tailored to your needs

Industry analysts IDC predict that 30 percent of providers will use cognitive analytics with patient data
by 2018. Its all starting to happen, and the implications are exciting...

CBI insights identified 22 companies developing new programs for imaging and diagnostics. This is an
especially promising field into which to introduce machine learning because computers and deep
learning algorithms are getting more and more adept at recognizing patterns which, in truth, is what
much of diagnostics is about

Lumiata has developed predictive analytics tools that can discover accurate insights and make
predictions related to symptoms, diagnoses, procedures, and medications for individual patients or
patient groups.

II Objetivos organizacionais e pblico-alvo do treinamento

O principal objetivo o de capacitar profissionais envolvidos na elaborao ou validao de modelos preditivos
ou classificatrios a escolher e usar ferramentas de AI (ANNs supervisionadas) mais adequadas. Alm do uso
do ferramental propriamente dito, o treinamento capacita s tarefas de seleo e tratamento prvio dos dados
a serem usados como inputs dos modelos, bem como os critrios e dados usados nos testes dos mesmos.
O pblico-alvo composto principalmente por profissionais das seguintes reas de atuao:
Diagnsticos, triagens e demais funes classificatrias;
Prognstico e projees de evolues de casos;
Estimativas de evoluo de casos (patologias, convalescena de cirurgias, etc.);
Predio de utilizao de recursos internos e externos organizao na prestao do atendimento.

Pgina 2 - Direitos autorais reservados para IntelliSearch Experteam Consultoria Ltda.

 Aplicao de redes neurais artificiais elaborao de modelos preditivos e classificatrios

III Metodologia e abordagem do treinamento

O treinamento ser predominantemente prtico, baseado em aplicaes reais, com uma introduo terica,
fundamental para o entendimento dos exemplos que sero apresentados. O treinamento poder ser aplicado
presencialmente ou com parte significativa por acompanhamento on-line remoto.
Os casos reais de aplicao (pilotos) sero apresentados de forma interativa, construindo-os medida em que
os conceitos e ferramentas so utilizados. Usaremos com ferramentas os softwares da Ward Systems,
basicamente o NeuroShell Classifier, o NeuroShell Predictor e o Chaos Hunter.
O material (handover) ser desenvolvido em forma digital (pdf-like disponvel coletivamente em Google
docs) para que os atendentes possam acompanhar e percorrer de qualquer local, nos seus prprios
dispositivos mveis, sem a necessidade de distribuio de material impresso, embora isso possa ser feito para
os que assim preferirem. As funes de Google docs permitem tambm que os atendentes postem
comentrios e perguntas. Os slides abaixo ilustram fases da construo aplicao e teste dos modelos.

Seleo de variveis e importao dos dados de input dos modelos

Direitos autorais reservados para IntelliSearch Experteam Consultoria Ltda. - Pgina 3

Aplicao de redes neurais artificiais elaborao de modelos preditivos e classificatrios

Treinamento do modelo acompanhamento da convergncia

Treinamento do modelo acompanhamento da capacidade explicativa das variveis

Pgina 4 - Direitos autorais reservados para IntelliSearch Experteam Consultoria Ltda.

 Aplicao de redes neurais artificiais elaborao de modelos preditivos e classificatrios

Teste do modelo sobre dados out-of-sample grfico de disperso

Teste do modelo sobre dados out-of-sample (varivel dependente categrica) convergncia

Direitos autorais reservados para IntelliSearch Experteam Consultoria Ltda. - Pgina 5

Aplicao de redes neurais artificiais elaborao de modelos preditivos e classificatrios

Teste do modelo sobre dados out-of-sample (varivel dependente categrica) curva ROC

Teste do modelo sobre dados out-of-sample (varivel dependente categrica) Matriz de disperso

Pgina 6 - Direitos autorais reservados para IntelliSearch Experteam Consultoria Ltda.

 Aplicao de redes neurais artificiais elaborao de modelos preditivos e classificatrios

IV Contedo programtico do treinamento

Ser coberta a seguinte estrutura de tpicos:
1. Fundamentos de ANNs supervisionadas
1.1. Feedforward ANNs arquiteturas e funcionamento
1.2. Backpropagation e derivaes mais recentes (ex.: Turboprop2)
1.3. Funes de ativao/atenuao (logstica, trigonomtricas, transcendentais, cumulativa normal)
1.4. ANNs probabilsticas - diferenciais
1.5. Algoritmos genticos conceitos e a aplicao na superviso de ANNs
1.6. ANNs supervisionadas por algoritmos de Swarm Optimization

2. Uma aplicao na elaborao de previso de variveis contnuas (permanncia, gravidade, custo)

2.1. Seleo de variveis dependentes e independentes, de input do modelo
2.2. Tratamento prvio dos dados de input (domnios, normalizao)
2.3. Dimensionamento e seleo dos dados in-sample e out-of-sample
2.4. Sintonia fina dos parmetros de arquitetura da ANN
2.5. Monitorao do ciclo de treinamento da ANN
2.6. Ajustes ps-treinamento da ANN
2.7. Testes da ANN treinada sobre as amostras in-sample e out-of-sample
2.8. Implantao da ANN como aplicativo principal ou rotina embutida
2.9. Definio de periodicidade para novos ciclos de treinamento critrios e mtodos

3. Categorizao e/ou classificao (aplicao em diagnsticos, triagem)

3.1. Seleo de variveis dependentes e independentes, de input do modelo
3.2. Tratamento prvio dos dados de input as diferenas para variveis discretas
3.3. Dimensionamento e seleo dos dados in-sample e out-of-sample
3.4. Sintonia fina dos parmetros de arquitetura da ANN
3.5. Monitorao do ciclo de treinamento da ANN
3.6. Ajustes ps-treinamento da ANN
3.7. Testes da ANN treinada sobre as amostras in-sample e out-of-sample
3.8. Implantao da ANN como aplicativo principal ou rotina embutida
3.9. Definio de periodicidade para novos ciclos de treinamento critrios e mtodos

4. Mining, classificao e clustering (associao de casos similares)

4.1. Seleo de variveis dependentes e independentes, de input do modelo
4.2. Tratamento prvio dos dados de input clustering
4.3. Dimensionamento e seleo dos dados in-sample e out-of-sample
4.4. Sintonia fina dos parmetros de arquitetura da ANN
4.5. Monitorao do ciclo de treinamento da ANN
4.6. Ajustes ps-treinamento da ANN
4.7. Testes da ANN treinada sobre as amostras in-sample e out-of-sample
4.8. Implantao da ANN como aplicativo principal ou rotina embutida
4.9. Definio de periodicidade para novos ciclos de treinamento critrios e mtodos

Direitos autorais reservados para IntelliSearch Experteam Consultoria Ltda. - Pgina 7

Aplicao de redes neurais artificiais elaborao de modelos preditivos e classificatrios

5. Comparao (e cooperao) com outros mtodos de modelagem (AI ou no)

5.1. ANNs supervisionadas vs Regresso Linear Multivariada (MLR)
5.2. ANNs supervisionadas vs ANNs no supervisionadas
5.3. ANNs supervisionadas vs Logit e Probit
5.4. ANNs supervisionadas vs Suport Vector Machines (SVMs
5.5. Uso na deteco e dimensionamento de no-linearidades
5.6. Uso conjunto com outras metodologias
5.7. Benchmarks de mercado

6. Softwares de mercado para ANNs (supervisionadas ou no)

6.1. Critrios para seleo, ajustando-a caso a caso
6.2. Validao cruzada e benchmarking

7. Bibliografia e aprofundamento
7.1. Referncias bibliogrficas (websites, grupos em redes sociais, e-books)
7.2. Aprofundamento e generalizao Prximos passos

V Sugesto de carga horria e aplicao

Para a aplicao efetiva do treinamento, sugerimos uma carga horria entre 30 a 50 horas de sesso para cada
turma-piloto. A avaliao do curso poder ser coletada e analisada por aplicativo nosso ou do contratante.

VI Pr-requisitos para atendentes e infraestrutura do treinamento

Embora conhecimentos prvios de estatstica sejam convenientes, no so imprescindveis, e apenas noes
compatveis com o aprendizado da disciplina no ensino mdio (matemtica de um modo geral) so requeridas.
Nenhum conhecimento prvio de AI, ANNs ou algoritmos genticos esperado dos atendentes.
Noes bsicas sobre as aplicaes usadas como exemplos/pilotos so desejveis.

VII Precificao das inscries e participao da IntelliSearch

A precificao final depender do calendrio desejado pelo contratante, a distribuio das horas (sesses de
dia inteiro ou em meia jornada e do nmero de participantes por turma. Tendo tais parmetros definidos,
podemos definir o valor dos nossos honorrios. As licenas de software, uma de cada componente, para cada
turma ou para o conjunto de turmas (dependendo do total de participantes) sero fornecidas com descontos
relativos utilizao em condies, propsitos e ambiente acadmicos.

VIII Sobre a IntelliSearch

A IntelliSearch, por sua vez, tem mais de 12 anos de experincia contnua na utilizao de ferramentas ANNs
supervisionadas, e nesse tempo desenvolveu metodologias e camadas de software adicionais (interfaces,
normalizadores de dados de input e output para redes neurais, algoritmos de seeding).
Entre nossos clientes esto Serasa Experian, Banco do Brasil (a antiga operao Banco Popular do Brasil) e a
Yamaha Motors do Brasil.

Pgina 8 - Direitos autorais reservados para IntelliSearch Experteam Consultoria Ltda.

 Aplicao de redes neurais artificiais elaborao de modelos preditivos e classificatrios

Nossa longa cooperao com fornecedores de ANNs supervisionadas tambm nos d a vantagem de
acumularmos conhecimento sobre a melhor forma de configurar os parmetros de otimizao (treinamento
de redes neurais), alm de tcnicas para seleo de dados de treinamento.
Finalmente, nossa experincia nos habilita como nicos parceiros ativos da Ward Systems no Brasil para a
prestao de suporte local relativo a seus softwares.

IX Nossos instrutores
Alocamos sempre nossos profissionais mais experientes como instrutores e mesmo como auxiliares. Neste
caso, estamos nos referindo a especialistas com mais de 10 anos de experincia na ferramentais e
metodologias aqui cobertas e nas aplicaes de negcio utilizadas nos exemplos. Adicione-se a isso a
experincia em atividades didticas.
Quando conveniente ao contratante, encaminharemos os resumos profissionais desses profissionais, alm de
adiantarmos a disponibilidade dos mesmos para reunies e entrevistas prvias.
Nossa longa cooperao com fornecedores de ANNs supervisionadas tambm nos d a vantagem de
acumularmos conhecimento sobre a melhor forma de configurar os parmetros de otimizao (treinamento
de redes neurais), alm de tcnicas para seleo de dados de treinamento. O CV no anexo apenas um
exemplo.

X - Direitos de uso e propriedade intelectual deste material

Obs.: As marcas NeuroShell Classifier (tambm apresentado como NS Classifier), NeuroShell Predictor (ou NS
Predictor), e Chaos Hunter so registradas como propriedade intelectual (copyright) da Ward Systems. O
mesmo ocorre para todas as figuras exibidas neste material (pginas 3 a 6). Todo o restante do material de
propriedade intelectual da IntelliSearch (razo social Experteam Consultoria Ltda.). Este material tem
autorizao e uso, e apenas como consulta para avaliao desta proposta, para o contratante, no devendo
ser distribudo a qualquer outra pessoa fsica ou jurdica, mesmo que a estas relacionada.

Direitos autorais reservados para IntelliSearch Experteam Consultoria Ltda. - Pgina 9

Aplicao de redes neurais artificiais elaborao de modelos preditivos e classificatrios

Anexo: CV de Instrutor

CARLOS ANTONIO CAMPOS NOGUEIRA

Sumrio de qualificaes e de experincia profissional:

Diretor de Consultoria e lder de prtica com 32 anos de experincia contnua em servios de consultoria
e instruo de TI, tendo atendido mais de 40 empresas em cerca de 90 projetos. Durante esse perodo
atuou como funcionrio ou scio das seguintes empresas:

Andersen Consulting (atualmente Accenture e inicialmente Arthur Andersen Consulting) - Fev/83

a Maio/84
DBS (inicialmente McCormack & Dodge) Jun/84 a Dez/85
Flow Informtica Jan/86 a Jun/90 (antes da aquisio da Flow pela KPMG LLP do Brasil)
KPMG LLP Jul/90 a Maio/96
SAP Set/98 a Jul/01
BearingPoint (inicialmente KPMG Consulting Inc) Ago/01 a Mar/03
IntelliSearch Jun/96 a Set/98 e Abr/03 at a presente data.

Experincia profissional prvia: Professor de Fsica e de Matemtica (2o. Grau, pr-vestibular e ciclo
bsico universitrio). Jan/80 a Dez/82.

Histrico Profissional:

Andersen Consulting Atuou como consultor em projetos de implementao de sistemas contbeis e

financeiros (COFIN) em plataformas IBM, Burroughs (atualmente Unisys), e Bull. Alguns dos clientes
atendidos: LASA, REFER, Telettra (ABC Bull).

McCormack & Dodge Consultor dedicado implantao de software aplicativos da linha Millennium,
principalmente o GL:M e o M:SDT. Alguns dos clientes atendidos: PRODEMGE, SKF, Metr de SP, CEMAT
e Souza Cruz.

Flow Informtica Scio fundador, atuou como lder de projeto na implantao de GL:M e M:SDT em
vrios clientes, entre eles:
ALCAN, ALCOA, CEMAT, Banco Econmico, Gessy Lever, LASA, Metr de SP, Eucatex, Shell e Casas
Pernambucanas (SP).
Ainda na Flow, atuou no projeto conceitual do Natural Ledger (posteriormente Consist-GL) e no
desenvolvimento do Account Plus software contbil para plataformas Bull.

Pgina 10 - Direitos autorais reservados para IntelliSearch Experteam Consultoria Ltda.

 Aplicao de redes neurais artificiais elaborao de modelos preditivos e classificatrios

KPMG LLP Brasil Aps a incorporao da Flow pela KPMG, atuou como diretor da rea de
consultoria de TI, liderando projetos de GL:Millennium e Account Plus em empresas como: Atlas Copco,
Cargill, Hermes Macedo, Inepar, Hoechst, Molins, Bahia Sul Celulose e Siemens.
Atuou tambm como lder em projetos de avaliao e seleo de software, segurana de dados, planos
de contingncia e continuidade para ambientes de TI, planejamento de TI, downsizing de plataformas,
desenvolvimento de aplicativos para empresas como: Agroceres, ABN-AMRO Bank, Byk Qumica,
BANESPA, Bols do Brasil, BM&F, Citrosuco, CCF, Citibank, Delboni-Auriemo, IPLAN-Rio, Filtrona,
Motorola, Nestl, Pepsico Foods, Rolamentos FAG e SERASA.

IntelliSearch Scio-Diretor e fundador da empresa, liderou as iniciativas de segurana de dados e

criptografia computacional, alm da prtica de suporte a clientes de Account Plus, terceirizando a
atividade da KPMG. Implantou sistemas de apoio a deciso na Astra Zeneca e na Inepar. Desenvolveu
recursos adicionais de segurana de dados para a SERASA (representando a empresa Dinamarquesa
Cryptomathic), e aplicativos para a KPMG, Stssi-Neves (advocacia) e SAP, alm de preparar, em
parceria com a KPMG, o plano de Y2K e o PDTI para o Deutsche Bank.
Na segunda fase de dedicao completa IntelliSearch, a partir de Abril de 2003, adicionou
representao j existente (da Cryptomathic) outra referente a ferramentas de AI (ANNs
supervisionadas por algoritmos genticos) para scoring e rating, com a Ward Systems, dentro de um
contexto de gesto de risco de crdito para Instituies Financeiras. Da em diante liderou projetos de
implantao de metodologias de gesto de riscos (basicamente de crdito e de mercado), ligadas aos
objetivos de Basilia II e III, para instituies financeiras e entidades relacionadas, como Banco Cacique,
Banco Popular do Brasil (atualmente parte do Banco do Brasil) e Banco Votorantim, bem como na Serasa
Experian e FEBRABAN. Desenvolveu tambm projetos de avaliao de hardware e software para
empresas como Yamaha Motors e UNISUL. Conduziu e/ou gerenciou projetos de diagnstico e
planejamento de TI (PDTI) na Stssi-Neves e Advogados e na Fundao Real Grandeza.

SAP Brasil - Atuando como gerente de consultoria, foi o responsvel por projetos de implantao
integral ou parcial do SAP R/3 em vrias empresas, entre elas: Eletronorte, EMAE, COELBA/COSERN,
AES-SUL e LASA. Liderou tambm trabalhos de Reviso de Projeto em clientes como Elektro e RGE. Foi
o lder da consultoria da SAP no processo de pr-vendas do R/3 para a Petrobrs ao final de 98. No
segundo semestre de 99 co-liderou tambm o Business Case da Petrobrs em parceria com a
Ernst&Young, incluindo o desenvolvimento completo de um prottipo do tipo prova de conceito que
culminou com a contratao do SAP R/3 em Janeiro de 2000. Entre Maro e Julho de 2001 atuou
interinamente como diretor da consultoria da SAP.

BearingPoint - Contratado como gerente de consultoria para liderar o desenvolvimento da prtica

SAP, liderou projetos como o da Wella Brasil e tambm atuou como suporte de risk management e
redimensionamento de staff durante o replanejamento do projeto Sinergia, entre setembro e dezembro
de 2002. Liderou tambm o business case para a Yamaha, na seleo de uma soluo corporativa.
Atuou nas iniciativas comerciais e tcnicas (propostas e apresentaes) para clientes como CSN, Embraer
e AmBev. Durante a sua permanncia na empresa foi responsvel local pela aliana da BearingPoint
com a SAP, entre outras alianas estratgicas, tendo iniciado as conversaes que resultaram na
aquisio da Consultoria da Ernst&Young do Brasil pela ento KPMG Consulting (processo iniciado em
Jun/02 e concludo em Agosto do mesmo ano, dois meses antes da mudana de logomarca da KPMG
para BearingPoint). A aquisio da E&Y lanou a BearingPoint em um novo patamar, passando de uma

Direitos autorais reservados para IntelliSearch Experteam Consultoria Ltda. - Pgina 11

Aplicao de redes neurais artificiais elaborao de modelos preditivos e classificatrios

pequena prtica de cerca de 90 profissionais para uma de mais de 400, alm de lan-la como um
dos lderes da prtica de consultoria de SAP.

Experincia em processos de negcio dos seguintes segmentos de indstria:

- Instituies financeiras e seu ecossistema (reguladores, bureaux de informao)
- Qumica e farmacutica
- Alimentos e bebidas
- Fundaes privadas de previdncia complementar
- Varejo e Distribuio
- Produtos de consumo (CPG)
- Metalurgia e Siderurgia
- Utilities
- Oil & Gas

II - DOMNIO DE LNGUAS ESTRANGEIRAS:

Ingls - fluente
Espanhol e Francs capacidade de leitura.

III HISTRICO ACADMICO

- Graduao em Fsica - 1974 a 1979 (PUC - RJ)
- Mestrado em Astrofsica e Partculas Elementares - 1980 a 1982
Centro Brasileiro de Pesquisas Fsicas (CBPF/CNPQ)

IV CURSOS TCNICOS E GERENCIAIS

- Computers Fundamentals Course (CFC) - 1983 - Andersen Consulting
- Computers in Practice School (CPS) - 1983
Andersen Consulting
- Introduction to General Ledger Millennium (GL:M) - 1984
Mc Cormack & Dodge (posteriormente DBS)
- Introduction to Millennium Systems Development Tool - 1985
Mc Cormack & Dodge
- Information Technology Risk Management Benchmarking (ITRMB) - 1995
KPMG London
- Cornerstones of Leadership (mainline gerencial) - 1999
SAP

Pgina 12 - Direitos autorais reservados para IntelliSearch Experteam Consultoria Ltda.

 Aplicao de redes neurais artificiais elaborao de modelos preditivos e classificatrios

LISTA PARCIAL DE CLIENTES ATENDIDOS, POR TIPO DE PROJETO

IMPLEMENTAO DE APLICATIVOS DE MERCADO (COFIN, GL MILLENNIUM, ACCOUNT PLUS E SAP R/3)

AES/SUL (SAP) KPMG
ALCAN LOJAS AMERICANAS (GL:M & SAP)
ALCOA METR DE SP
ATLAS COPCO MESBLA
BAHIA SUL CELULOSE MOLINS
CDHU NESTL
CASAS PERNAMBUCANAS PETROBRAS (SAP)
CENTRAIS ELTRICAS MATOGROSSENSES RIACHUELO (SAP)
CEMIG RGE (SAP)
COELBA (SAP) SAP
CSN (SAP) STSSI-NEVES E ADVOGADOS
ELETRONORTE (SAP) SHELL
ELEKTRO (SAP) SIEMENS
EMAE (SAP) HERMES MACEDO WELLA (SAP)
HOECHST YAMAHA MOTORS
INEPAR

IMPLANTAO DE SISTEMAS E METODOLOGIAS DE SEGURANA DE INFORMAO

BM&F IPLANRIO
CITIBANK ROLAMENTOS FAG
CITROSUCO SERASA

IMPLANTAO DE SOLUES DE AI (ANNS SUPERVISIONADAS)

ASTRA ZENECA ECOMARKETING
SERASA EXPERIAN CENTURY CONSULTING
MOINHO DE YAMAHA MOTORS DO BRASIL
OURO

DESENVOLVIMENTO E IMPLANTAO DE APLICATIVOS CUSTOMIZADOS

ALCAN NESTL
ALCOA SAP
CASAS PERNAMBUCANAS STSSI-NEVES E ADVOGADOS
CENTURY CONSULTING YAMAHA MOTORS
KPMG

CONSULTORIA DE GESTO DE RISCO DE CRDITO E DE MERCADO PARA A INDSTRIA FINANCEIRA,

INCLUINDO PROJETOS DE BASILIA II E III
ABBC BANCO VOTORANTIM
BANCO CACIQUE FEBRABAN
BANCO POPULAR DO BRASIL SERASA EXPERIAN
KPMG

Direitos autorais reservados para IntelliSearch Experteam Consultoria Ltda. - Pgina 13