86 INEWS N.º 66 A revista do INE Dois grupos de participantes particularmente relevantes foram, ainda, as equipas da área da metodologia e do departamento de recolha de dados. Na metodologia, destacam-se os desenvolvimentos associados a processos de imputação e edição assistidos por “machine learning”, que contribuem para melhorar a qualidade e a rapidez do tratamento dos dados estatísticos. Já no departamento de recolha, têm vindo a ganhar relevância técnicas de “machine learning” aplicadas a processos como “text-to-code”, codificação automática de informação e “web scraping”. Estas abordagens permitem aumentar a eficiência e a consistência dos processos de recolha e tratamento de dados, tendo sido uma importante fonte de inovação no INE e estando na base de vários projetos considerados estratégicos para a modernização da produção estatística. Esta participação alargada evidencia a forma como as tecnologias de dados e inteligência artificial estão a ser incorporadas em diferentes domínios da atividade estatística. O evento proporcionou aos colaboradores do INE o contacto com abordagens práticas e soluções tecnológicas apresentadas por organizações de referência internacional, promovendo a partilha de conhecimento e a reflexão sobre a aplicação destas tecnologias no contexto da estatística oficial. De entre os temas abordados nas diversas sessões do evento com particular interesse para o INE, destacam-se os seguintes: aplicação prática e escalável da Inteligência Artificial, incluindo a necessidade de promover uma confiança genuína nos sistemas de IA através de abordagens rigorosas de explicabilidade; o papel crescente dos Data Marketplaces para Machine Learning (MLDM) e os desafios técnicos, económicos e éticos associados à economia de dados; a implementação de técnicas para transformar dados geoespaciais em insights de negócio através de ferramentas open-source e algoritmos de machine learning; a adoção de boas práticas para a implementação de Large Language Models (LLMs), incluindo métodos para selecionar, avaliar e especializar modelos, bem como abordagens automatizadas para avaliar sistemas RAG e garantir a relevância e fidelidade das respostas geradas.
RkJQdWJsaXNoZXIy MjM5MTA=