
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Grégio, André Ricardo Abed, 1983- | - |
| Autor(es): dc.contributor | Universidade Federal do Paraná. Setor de Ciências Exatas. Curso de Especialização em Data Science & Big Data | - |
| Autor(es): dc.creator | Luz, Alessandro Roberto | - |
| Data de aceite: dc.date.accessioned | 2025-09-01T11:41:59Z | - |
| Data de disponibilização: dc.date.available | 2025-09-01T11:41:59Z | - |
| Data de envio: dc.date.issued | 2024-02-07 | - |
| Data de envio: dc.date.issued | 2024-02-07 | - |
| Data de envio: dc.date.issued | 2021 | - |
| Fonte completa do material: dc.identifier | https://hdl.handle.net/1884/79876 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/1884/79876 | - |
| Descrição: dc.description | Orientador: André Ricardo Abed Grégio | - |
| Descrição: dc.description | Monografia (especialização) - Universidade Federal do Paraná, Setor de Ciências Exatas, Curso de Especialização em Data Science & Big Data. | - |
| Descrição: dc.description | Inclui referências | - |
| Descrição: dc.description | Resumo: Técnicas de aprendizado de máquina têm sido cada vez mais adotadas para auxiliar na análise de grandes volumes de dados. O campo de aplicação é amplo e abrange diversos ramos do conhecimento. Considerando os benefícios potenciais, o presente trabalho propõe a aplicação de técnicas de aprendizado de máquina não supervisionado no auxílio à investigação criminal. Foram utilizados dados de movimentações financeiras decorrentes do afastamento do sigilo bancário e a análise foi realizada em três perspectivas com a aplicação de algoritmos distintos: detecção de anomalias com o algoritmo ISOlation Forest, análise de agrupamento de dados mistos com k-Prototype e mineração de regras de associação com Apriori. Ao final, o trabalho realizado mostrou-se viável como estratégia de auxílio ao exame preliminar dos dados revelando aspectos que poderão direcionar outras análises promovidas pelo analista | - |
| Descrição: dc.description | Abstract: Machine learning techniques have been increasingly adopted to aid in the analysis of large volumes of data. The field of application is broad and encompasses several branches of knowledge. Considering the potential benefits, the present work proposes the application of unsupervised machine learning techniques to aid criminal investigation. Data from financial transactions resulting from the removal of bank secrecy were used and the analysis was performed in three perspectives with the application of different algorithms: anomaly detection with the Isolation Forest algorithm, analysis of mixed data clusters with k-Prototype and rule mining of association with Apriori. In the end, the work carried out proved to be viable as a strategy to aid the preliminary examination of the data, revealing aspects that may direct other analyzes promoted by the analyst | - |
| Formato: dc.format | 1 recurso online : PDF. | - |
| Formato: dc.format | application/pdf | - |
| Formato: dc.format | application/pdf | - |
| Palavras-chave: dc.subject | Aprendizado do computador | - |
| Palavras-chave: dc.subject | Mineração de dados (Computação) | - |
| Palavras-chave: dc.subject | Investigação criminal | - |
| Título: dc.title | Aplicação de técnicas de mineração de dados no auxílio à investigações criminais | - |
| Aparece nas coleções: | Repositório Institucional - Rede Paraná Acervo | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: