PRODUÇÃO ACADÊMICA Repositório Acadêmico da Graduação (RAG) TCC Ciência da Computação
Use este identificador para citar ou linkar para este item: https://repositorio.pucgoias.edu.br/jspui/handle/123456789/1463
Registro completo de metadados
Campo DCValorIdioma
dc.creatorSousa, Túlio César Leite de-
dc.date.accessioned2021-06-13T17:11:24Z-
dc.date.available2021-06-13T17:11:24Z-
dc.date.issued2021-06-08-
dc.identifier.urihttps://repositorio.pucgoias.edu.br/jspui/handle/123456789/1463-
dc.description.sponsorshipNão recebi financiamentopt_BR
dc.languageporpt_BR
dc.publisherPontifícia Universidade Católica de Goiáspt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectAnálise preditivapt_BR
dc.subjectFraudes em transaçõespt_BR
dc.subjectCartão de créditopt_BR
dc.subjectMachine learningpt_BR
dc.titleEstudo de algoritmos de machine learning para predição de fraudes em cartões de créditopt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dc.contributor.advisor1Jukemura, Anibal Santos-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/3837493709938496pt_BR
dc.contributor.referee1Ribeiro, Lucília Gomes-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/1661112253971159pt_BR
dc.contributor.referee2Vinhal, Gustavo Siqueira-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/5227400971565575pt_BR
dc.description.resumoCom a maior demanda por pagamentos realizados por cartões de crédito, fraudes nessas transações são cada vez mais frequentes. Consequentemente, são causados impactos negativos a instituições financeiras, agravados por uma inviabilidade técnica na manutenção adequada da segurança tecnológica, gerando prejuízos às empresas integrantes desse mercado. Dado esse cenário, este trabalho avaliou os modelos preditivos k-Nearest Neighbors, Support Vector Machines e Random Forest aplicados a um conjunto de dados (dataset) de transações de cartões de crédito pré-processado, a fim de identificar a abordagem mais adequada para predições de fraudes em transações de cartões de crédito. A metodologia aplicada envolveu analisar os hiperparâmetros dos algoritmos, com o propósito de otimizar os resultados, e realizar uma classificação para cada subconjunto do dataset, os quais passaram por procedimentos de seleção de atributos e balanceamento de dados.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentEscola de Ciências Exatas e da Computaçãopt_BR
dc.publisher.initialsPUC Goiáspt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO::COMPUTABILIDADE E MODELOS DE COMPUTACAOpt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::SISTEMAS DE INFORMACAOpt_BR
dc.degree.graduationCiências da Computaçãopt_BR
dc.degree.levelGraduaçãopt_BR
Aparece nas coleções:TCC Ciência da Computação

Arquivos associados a este item:
Arquivo TamanhoFormato 
TCCII_Túlio_César_Correção+Termo.pdf1,66 MBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Visualizar estatísticas


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.

Ferramentas do administrador