Inteligência artificial no ciclo de crédito
Autor(a) principal: | |
---|---|
Data de Publicação: | 2019 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFPR |
Texto Completo: | https://hdl.handle.net/1884/75371 |
Resumo: | Orientador: Prof. Luiz Eduardo Soares de Oliveira |
id |
UFPR_712e4b78d876fa6999a076b6284d4bf0 |
---|---|
oai_identifier_str |
oai:acervodigital.ufpr.br:1884/75371 |
network_acronym_str |
UFPR |
network_name_str |
Repositório Institucional da UFPR |
repository_id_str |
308 |
spelling |
Alves, Thiago da Silva, 1985-Universidade Federal do Paraná. Setor de Ciências Exatas. Curso de Especialização em Data Science & Big DataOliveira, Luiz Eduardo Soares de, 1971-2022-04-28T18:00:10Z2022-04-28T18:00:10Z2019https://hdl.handle.net/1884/75371Orientador: Prof. Luiz Eduardo Soares de OliveiraMonografia (especialização) - Universidade Federal do Paraná, Setor de Ciências Exatas, Curso de Especialização em Data Science & Big Data.Inclui referênciasResumo: Clientes inadimplentes representam um dos maiores riscos às instituições financeiras, dado seu potencial de provocar prejuízo. Somado a isso, está o esforço para minimizar esse risco, que consome recurso com o objetivo de repará-lo. Naturalmente, uma relação de custo e benefício onde o correto destino do recurso transforma o prejuízo em retorno financeiro. Nesse contexto, o objetivo deste trabalho é explorar o uso de algoritmos de inteligência artificial baseados em aprendizado supervisionado (machine learning) para classificar clientes inadimplentes. Serão descritas as etapas desde a construção da base da dados analítica (ABT), seleção de variáveis utilizando algoritmo genético (AG) até estratégia de aprendizado considerando custo do erro de classificação, reamostragem e medidas de avaliação (Precision, Recall e F1Score) para conjutos de dados desbalanceadosAbstract: Overdue customers are one of the biggest threats to financial institutions, given their potencial to cause losses. Farther, is the effort to minimize this risk, wich expend resources to recover it. Clearly a cost benefit ratio, where correctly allocate resources turns losses into profits. In this context, the goal of this work is explore artificial intelligence algorithms based on supervised machine learning to classify overdue customers. Will describe steps from analytical base table (ABT) building, variable selection with genetic algorithm (GA) to learning strategy with misclassification cost, resample and evaluate metrics (Precision, Recall and F1Score) for unbalanced data1 recurso online : PDF.application/pdfAlgorítmos genéticosInteligencia artificial - Processamento de dadosAprendizado do computadorInteligência artificial no ciclo de créditoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisporreponame:Repositório Institucional da UFPRinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRinfo:eu-repo/semantics/openAccessORIGINALR - E - THIAGO DA SILVA ALVES.pdfapplication/pdf265301https://acervodigital.ufpr.br/bitstream/1884/75371/1/R%20-%20E%20-%20THIAGO%20DA%20SILVA%20ALVES.pdf61af1619a508b9d85da2cbb337308d6bMD51open access1884/753712022-04-28 15:00:10.929open accessoai:acervodigital.ufpr.br:1884/75371Repositório de PublicaçõesPUBhttp://acervodigital.ufpr.br/oai/requestopendoar:3082022-04-28T18:00:10Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)false |
dc.title.pt_BR.fl_str_mv |
Inteligência artificial no ciclo de crédito |
title |
Inteligência artificial no ciclo de crédito |
spellingShingle |
Inteligência artificial no ciclo de crédito Alves, Thiago da Silva, 1985- Algorítmos genéticos Inteligencia artificial - Processamento de dados Aprendizado do computador |
title_short |
Inteligência artificial no ciclo de crédito |
title_full |
Inteligência artificial no ciclo de crédito |
title_fullStr |
Inteligência artificial no ciclo de crédito |
title_full_unstemmed |
Inteligência artificial no ciclo de crédito |
title_sort |
Inteligência artificial no ciclo de crédito |
author |
Alves, Thiago da Silva, 1985- |
author_facet |
Alves, Thiago da Silva, 1985- |
author_role |
author |
dc.contributor.other.pt_BR.fl_str_mv |
Universidade Federal do Paraná. Setor de Ciências Exatas. Curso de Especialização em Data Science & Big Data |
dc.contributor.author.fl_str_mv |
Alves, Thiago da Silva, 1985- |
dc.contributor.advisor1.fl_str_mv |
Oliveira, Luiz Eduardo Soares de, 1971- |
contributor_str_mv |
Oliveira, Luiz Eduardo Soares de, 1971- |
dc.subject.por.fl_str_mv |
Algorítmos genéticos Inteligencia artificial - Processamento de dados Aprendizado do computador |
topic |
Algorítmos genéticos Inteligencia artificial - Processamento de dados Aprendizado do computador |
description |
Orientador: Prof. Luiz Eduardo Soares de Oliveira |
publishDate |
2019 |
dc.date.issued.fl_str_mv |
2019 |
dc.date.accessioned.fl_str_mv |
2022-04-28T18:00:10Z |
dc.date.available.fl_str_mv |
2022-04-28T18:00:10Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://hdl.handle.net/1884/75371 |
url |
https://hdl.handle.net/1884/75371 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
1 recurso online : PDF. application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFPR instname:Universidade Federal do Paraná (UFPR) instacron:UFPR |
instname_str |
Universidade Federal do Paraná (UFPR) |
instacron_str |
UFPR |
institution |
UFPR |
reponame_str |
Repositório Institucional da UFPR |
collection |
Repositório Institucional da UFPR |
bitstream.url.fl_str_mv |
https://acervodigital.ufpr.br/bitstream/1884/75371/1/R%20-%20E%20-%20THIAGO%20DA%20SILVA%20ALVES.pdf |
bitstream.checksum.fl_str_mv |
61af1619a508b9d85da2cbb337308d6b |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR) |
repository.mail.fl_str_mv |
|
_version_ |
1801860375485874176 |