- \n
- \nDesafio<\/div>\nAn\u00e1lise de g\u00e9nero e desenvolvimento de um conjunto de ferramentas de identifica\u00e7\u00e3o<\/div>\n<\/li>\n
- \n
Solu\u00e7\u00e3o<\/div>\nAplica\u00e7\u00e3o Dockerizada para an\u00e1lise e identifica\u00e7\u00e3o do g\u00e9nero do assinante<\/div>\n<\/li>\n- \n
Tecnologias e ferramentas<\/div>\nDocker, Node.js, React, Python, Celery, Redis, Flask, PySpark, Pandas, Scikit-learn, LightGBM, XGBoost, HyperOpt, SHAP<\/div>\n<\/li>\n<\/ul>\n<\/div>\nCliente<\/h2>\n
O Cliente \u00e9 GSMA<\/a>A empresa \u00e9 uma organiza\u00e7\u00e3o global que unifica o ecossistema m\u00f3vel para descobrir, desenvolver e fornecer inova\u00e7\u00f5es fundamentais para ambientes comerciais positivos e mudan\u00e7as na sociedade. Representam operadores m\u00f3veis e organiza\u00e7\u00f5es de todo o ecossistema m\u00f3vel e ind\u00fastrias adjacentes.<\/p>\n
O cliente contactou a ESSID Solutions para apoiar o Inclusive Tech Lab no avan\u00e7o do seu sistema existente que efectua a dete\u00e7\u00e3o de g\u00e9nero IA dos utilizadores de telem\u00f3veis<\/a>.<\/p>\n
Desafio: an\u00e1lise do g\u00e9nero e desenvolvimento de um conjunto de ferramentas de identifica\u00e7\u00e3o<\/h2>\n
As mulheres s\u00e3o uma poderosa fonte de crescimento, s\u00e3o cruciais para o desenvolvimento de um pa\u00eds. As desigualdades entre homens e mulheres podem reduzir os progressos registados a n\u00edvel nacional em mat\u00e9ria de sa\u00fade, educa\u00e7\u00e3o e n\u00edvel de vida. Atualmente, as mulheres ainda enfrentam obst\u00e1culos sist\u00e9micos e, sobretudo, muitas vezes n\u00e3o medidos, para recuperar o atraso e colmatar as disparidades entre homens e mulheres.<\/p>\n
No que diz respeito \u00e0 conetividade e \u00e0 ind\u00fastria m\u00f3vel, nos pa\u00edses de baixo e m\u00e9dio rendimento, 390 milh\u00f5es de mulheres n\u00e3o est\u00e3o ligadas e menos 184 milh\u00f5es de mulheres do que homens possuem um telem\u00f3vel. No entanto, as mulheres n\u00e3o s\u00e3o apenas um \"segmento\", mas metade da base de clientes potenciais. Trata-se de um desafio e de uma excelente oportunidade para os operadores de telecomunica\u00e7\u00f5es de todo o mundo. Colmatar o fosso entre os g\u00e9neros<\/a> pode beneficiar as mulheres, a sociedade e a ind\u00fastria m\u00f3vel em geral.<\/p>\n
Para colmatar as disparidades entre homens e mulheres, GSMA<\/a> necess\u00e1rio para fechar o disparidade de dados entre g\u00e9neros<\/i>. Atualmente, os operadores de telem\u00f3veis dos pa\u00edses de baixo e m\u00e9dio rendimento precisam de mais dados KYC para poderem compreender melhor os estrangulamentos na penetra\u00e7\u00e3o dos telem\u00f3veis entre as mulheres e conceber produtos dirigidos a elas.<\/p>\n
Para colmatar a lacuna de dados sobre o g\u00e9nero e gerir a an\u00e1lise de dados de telem\u00f3veis, GSMA Connected Women<\/a>em parceria com a ESSID Solutions, foi desafiado a desenvolver um kit de ferramentas de an\u00e1lise e identifica\u00e7\u00e3o de g\u00e9nero.<\/p>\n
Solu\u00e7\u00e3o: aplica\u00e7\u00e3o dockerizada para an\u00e1lise e identifica\u00e7\u00e3o do g\u00e9nero dos assinantes<\/h2>\n
O principal objetivo do desenvolvimento do conjunto de ferramentas era fornecer aos operadores de redes m\u00f3veis (ORM) uma ferramenta que pudessem instalar e executar facilmente no local para prever r\u00f3tulos de g\u00e9nero de alta qualidade para a sua base de assinantes e obter informa\u00e7\u00f5es a partir do painel de an\u00e1lise.<\/p>\n
A equipa da ESSID Solutions, em apoio ao GSMA Inclusive Tech Lab, refactorou e melhorou o toolkit existente, trazendo um ambiente anal\u00edtico mais completo para responder \u00e0s necessidades do operador m\u00f3vel. Trabalhando em estreita colabora\u00e7\u00e3o com o nosso cliente, constru\u00edmos a vers\u00e3o 3.0 do produto.<\/p>\n
Os componentes da solu\u00e7\u00e3o s\u00e3o implementados e operados em contentores Docker. A arquitetura est\u00e1 estruturada de forma a que o operador de rede m\u00f3vel possa executar o sistema nas suas instala\u00e7\u00f5es ou na nuvem. A utiliza\u00e7\u00e3o da ferramenta envolve tr\u00eas etapas principais:<\/p>\n
- \n
- Prepara\u00e7\u00e3o de dados brutos:<\/i><\/b> O utilizador come\u00e7a por especificar a localiza\u00e7\u00e3o de v\u00e1rios ficheiros de dados brutos, tais como dados de inqu\u00e9ritos que cont\u00eam etiquetas de g\u00e9nero verdadeiras, registos de detalhes de chamadas, hist\u00f3rico de transac\u00e7\u00f5es de dinheiro m\u00f3vel, etc. Esta etapa envolve a prepara\u00e7\u00e3o e organiza\u00e7\u00e3o dos dados necess\u00e1rios para an\u00e1lise posterior.<\/li>\n
- Modela\u00e7\u00e3o:<\/i><\/b> Nesta etapa, o utilizador realiza experi\u00eancias para identificar a melhor modelo de classifica\u00e7\u00e3o para prever<\/a> o g\u00e9nero dos assinantes. Ao utilizar os conjuntos de dados especificados, o utilizador pode treinar e avaliar v\u00e1rios modelos para determinar aquele que apresenta o melhor desempenho.<\/li>\n
- Gera\u00e7\u00e3o de previs\u00f5es e relat\u00f3rios anal\u00edticos:<\/i><\/b> Uma vez identificado o modelo de classifica\u00e7\u00e3o preferido, o utilizador passa a gerar previs\u00f5es de g\u00e9nero com base no modelo treinado. Estas previs\u00f5es s\u00e3o ent\u00e3o utilizadas para gerar um relat\u00f3rio anal\u00edtico abrangente. O relat\u00f3rio tem como objetivo oferecer informa\u00e7\u00f5es valiosas para a tomada de decis\u00f5es e o planeamento estrat\u00e9gico no MNO.<\/li>\n<\/ul>\n
O fluxo completo \u00e9 apresentado a seguir:<\/p>\n
![\"dete\u00e7\u00e3o](\"https:\/\/essidsolutions.com\/wp-content\/uploads\/2023\/06\/ai-gender-detection-picture.webp\")
<\/p>\nO principal objetivo da equipa da ESSID Solutions era criar uma solu\u00e7\u00e3o f\u00e1cil de utilizar, adapt\u00e1vel e flex\u00edvel. Permite aos utilizadores explorar sem esfor\u00e7o v\u00e1rios algoritmos de aprendizagem autom\u00e1tica e experimentar diferentes modelos para identificar o mais eficaz.<\/p>\n
A solu\u00e7\u00e3o oferece um pipeline simplificado que pode ser configurado e executado sem a necessidade de conhecimentos t\u00e9cnicos alargados.<\/p>\n
A resposta ao desafio de gerir grandes volumes de dados e, ao mesmo tempo, manter um fluxo de trabalho resiliente era uma prioridade fundamental.<\/p>\n
Resultado: reduzir as disparidades entre homens e mulheres e criar um ecossistema mais inclusivo<\/h2>\n
O resultado do nosso trabalho \u00e9 um kit de ferramentas avan\u00e7ado de an\u00e1lise e identifica\u00e7\u00e3o de g\u00e9nero. A vantagem da solu\u00e7\u00e3o \u00e9 que permite aos operadores de redes m\u00f3veis identificar o g\u00e9nero dos seus assinantes com base no hist\u00f3rico de utiliza\u00e7\u00e3o do telefone e fornece informa\u00e7\u00f5es sobre a diferen\u00e7a de g\u00e9nero. Utilizando a solu\u00e7\u00e3o, podem explorar os dados mais recentes sobre a diferen\u00e7a de g\u00e9nero nas comunica\u00e7\u00f5es m\u00f3veis e compreender o que \u00e9 necess\u00e1rio para a colmatar.<\/p>\n
Estamos gratos \u00e0 equipa da GSMA por ter convidado a nossa empresa a colaborar num projeto t\u00e3o complexo e desafiante. Conclu\u00edmos as entregas a tempo e correspondeu \u00e0s expectativas do Cliente<\/a>.<\/p>","protected":false},"excerpt":{"rendered":"
- Modela\u00e7\u00e3o:<\/i><\/b> Nesta etapa, o utilizador realiza experi\u00eancias para identificar a melhor modelo de classifica\u00e7\u00e3o para prever<\/a> o g\u00e9nero dos assinantes. Ao utilizar os conjuntos de dados especificados, o utilizador pode treinar e avaliar v\u00e1rios modelos para determinar aquele que apresenta o melhor desempenho.<\/li>\n
- \n