Inteligência artificial no ciclo de crédito

Detalhes bibliográficos
Autor(a) principal: Alves, Thiago da Silva, 1985-
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

Registros relacionados