Automatização da escrita de códigos de extração

Estamos buscando um profissional experiente para nos auxiliar com a padronização da extração de dados advindos de laudos laboratoriais, que atualmente se apresentam de diversas formas, e frequentemente são alvo de alguma mudança de formatação por parte dos laboratórios que os emitem.

Atualmente, temos catalogados por volta de 40 formatos diferentes. E conhecimento da existência de muitos mais.

Segue abaixo um pequeno descritivo da problemática em questão:

Inputs:

Formato PDF ou Excel.

Laudos Analíticos Laboratoriais, contendo informações comuns sobre amostras ambientais (data de coleta, nome do composto, resultado, unidade, dentre algumas outras dezenas de informações).

Desafios dos Inputs:

Formatos diversos, dificultando uma padronização via soluções prontas ou semi-automáticas (ex.: Report Miner ou códigos individuais).

Embora as informações sejam sempre as mesmas, há duas particularidades:

• Nem sempre todas as informações vão estar presentes em cada laudo;

• Os formatos de tabela e a forma de apresentação dos resultados varia significativamente dentre diferentes laboratórios.

Breve descritivo do ferramental atual: Biblioteca de códigos individuais capazes de lidar com os casos mais comuns.

Problema: Pequenas mudanças no formato do input requerem intervenção para adaptação dos códigos ou para a geração de novos códigos.

Objetivo: Extrair dados de qualquer tipo de input sem a necessidade de promover ajustes no código a ser utilizado.

Solução Buscada: Um código integrado capaz de extrair informações dos mais diversos formatos de inputs, novos ou futuros. Para tal, a solução deve empregar algum tipo de aprendizado de máquina para, a partir dos casos existentes, aprender a se adaptar a novos formatos de input e não requerer mais a intervenção humana a cada novo formato.

OBS.: NDA será obrigatório

Habilidades: Linguagem de Programação R, Processamento de dados, Machine Learning (ML), Data Extraction

ID do Projeto: #33266834