Use este identificador para citar ou linkar para este item:
https://repositorio.pucgoias.edu.br/jspui/handle/123456789/1463
Registro completo de metadados
Campo DC | Valor | Idioma |
---|---|---|
dc.creator | Sousa, Túlio César Leite de | - |
dc.date.accessioned | 2021-06-13T17:11:24Z | - |
dc.date.available | 2021-06-13T17:11:24Z | - |
dc.date.issued | 2021-06-08 | - |
dc.identifier.uri | https://repositorio.pucgoias.edu.br/jspui/handle/123456789/1463 | - |
dc.description.sponsorship | Não recebi financiamento | pt_BR |
dc.language | por | pt_BR |
dc.publisher | Pontifícia Universidade Católica de Goiás | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.subject | Análise preditiva | pt_BR |
dc.subject | Fraudes em transações | pt_BR |
dc.subject | Cartão de crédito | pt_BR |
dc.subject | Machine learning | pt_BR |
dc.title | Estudo de algoritmos de machine learning para predição de fraudes em cartões de crédito | pt_BR |
dc.type | Trabalho de Conclusão de Curso | pt_BR |
dc.contributor.advisor1 | Jukemura, Anibal Santos | - |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/3837493709938496 | pt_BR |
dc.contributor.referee1 | Ribeiro, Lucília Gomes | - |
dc.contributor.referee1Lattes | http://lattes.cnpq.br/1661112253971159 | pt_BR |
dc.contributor.referee2 | Vinhal, Gustavo Siqueira | - |
dc.contributor.referee2Lattes | http://lattes.cnpq.br/5227400971565575 | pt_BR |
dc.description.resumo | Com 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.country | Brasil | pt_BR |
dc.publisher.department | Escola de Ciências Exatas e da Computação | pt_BR |
dc.publisher.initials | PUC Goiás | pt_BR |
dc.subject.cnpq | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO::COMPUTABILIDADE E MODELOS DE COMPUTACAO | pt_BR |
dc.subject.cnpq | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::SISTEMAS DE INFORMACAO | pt_BR |
dc.degree.graduation | Ciências da Computação | pt_BR |
dc.degree.level | Graduação | pt_BR |
Aparece nas coleções: | TCC Ciência da Computação |
Arquivos associados a este item:
Arquivo | Tamanho | Formato | |
---|---|---|---|
TCCII_Túlio_César_Correção+Termo.pdf | 1,66 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.
Ferramentas do administrador