Dissertações
URI Permanente desta comunidade
Navegar
Navegando Dissertações por Assunto "aprendizado de máquina"
Agora exibindo 1 - 3 de 3
Resultados por página
Opções de Ordenação
- DissertaçãoDesenvolvimento de um modelo de análise de crédito baseado em dados de redes sociaisSantos, Tharles Maicon Freire dos (2024-09-30)
Faculdade de Computação e Informática (FCI)
A análise de crédito tradicional enfrenta diversos desafios, incluindo a dependência de dados históricos, que podem não refletir adequadamente o risco futuro, e a dificuldade de capturar fatores qualitativos e comportamentais. Em complemento aos dados históricos, há oportunidades de uso de dados de redes sociais que podem indicar o comportamento financeiro dos indivíduos, como frequência de postagens, redes de amigos e interações sociais. Estes dados de redes sociais uma vez transformados em variáveis podem agregar maior precisão na análise de crédito. Neste sentido que esta pesquisa propõe desenvolver um modelo inovador de análise de crédito, utilizando dados de redes sociais. A pesquisa visa explorar a viabilidade da aplicação de dados de redes sociais na análise de crédito e as vantagens dessa abordagem em comparação aos métodos tradicionais, que se baseiam em dados financeiros históricos. Para tanto são construídos e validados modelos preditivos utilizando técnicas de aprendizado de máquina. Esses modelos são então avaliados quanto a sua capacidade de atender aos pilares da análise de crédito – Caráter, Capacidade, Capital, Colateral e Condições – da mesma forma que as análises tradicionais baseadas em dados históricos. Os resultados da pesquisa indicam que a inclusão de dados de redes sociais pode melhorar significativamente a precisão dos modelos de análise de crédito, oferecendo uma visão mais completa e atualizada sobre os solicitantes. Além disso, a pesquisa discute as implicações ´éticas e de privacidade no uso de dados de redes sociais para fins de análise de crédito, bem como as implicações regulatórias. Este estudo contribui para a área de análise de crédito ao introduzir uma nova perspectiva baseada em big data e aprendizado de máquina, promovendo uma abordagem mais justa e inclusiva para a concessão de crédito. - DissertaçãoUm estudo comparativo e aplicado de técnicas de machine learning e de features para modelos de previsão de parada de equipamentos em processos de manutenção preditivaVenites, Victor de Oliveira (2023-08-02)
Faculdade de Computação e Informática (FCI)
Esta pesquisa vai seguir o padrão de abordagem da Ciência de Dados explorando bases de dados, no sentido de buscar compor um processo de benchmarking de atributos e de técnicas de Machine Learning (ML) para apoio à Manutenção Preditiva de Máquinas Industriais. O objetivo geral é a exploração de técnicas de Feature Engineering tendo por base os dados históricos (séries temporais) de estados conhecidos de máquinas industriais, que neste estudo são classificados em cinco tipos denominados: Run, Setup, Down, Standby e Offline. Com base em características temporais criadas, buscou-se construir e comparar uma pipeline de modelos de ML conhecidos na literatura, buscando como resultado esperado previsões do momento de quebra de uma máquina, e medindo-se a performance dos modelos pelas métricas de acurácia. As séries temporais tem a característica de se trabalhar partindo apenas das observações anteriores para prever as futuras, por tanto, bases de dados com apenas duas colunas como o histórico dos estados e data/hora já são o suficiente para um estudo de modelagem. Os resultados obtidos foram promissores. E, do ponto de vista prático, com a previsão dos momentos de quebras e/ou paradas indesejadas de equipamentos, a indústria pode economizar nos gastos, diminuindo a manutenção corretiva e preventiva. Portanto, otimizando a operação na produção máxima possível. - DissertaçãoUma abordagem de aprendizado de máquina baseada no CRISP-DM para predição de canais de negociação em uma plataforma de cobrança digital no BrasilMartins, Jonnathan de Almeida (2024-08-16)
Faculdade de Computação e Informática (FCI)
Este trabalho concentra-se nas complexidades enfrentadas pelas operações financeiras ao lidar com a cobrança de dívidas em um cenário de elevada inadimplência no Brasil. Em contrapartida às abordagens tradicionais comumente empregadas para fortalecer a capacidade de negociação de uma empresa, propõe-se a implementação de um modelo preditivo para ser utilizado como uma nova ferramenta de apoio nas ações de cobrança de dívidas. Para isso, foi desenvolvida uma abordagem seguindo a metodologia Cross-Industry Standard Process for Data Mining (CRISP-DM), incorporando técnicas avançadas de pré processamento de dados, engenharia e seleção de atributos, uso de algoritmos de classificação e avaliação rigorosa dos resultados obtidos, com o objetivo de prever o canal de negociação de preferência do cliente em situação de inadimplência quando recebem comunicações de cobrança e buscam negociar suas dívidas em uma plataforma digital no Brasil. A principal contribuição deste trabalho foi propor uma abordagem metodológica inovadora oferecendo resultados valiosos para aprimorar as praticas das empresas de cobrança de dívidas, além de contribuir para o avanço do conhecimento no campo do estudo.