Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Rosa, Marcelo de Oliveira | - |
Autor(es): dc.contributor | Rosa, Marcelo de Oliveira | - |
Autor(es): dc.contributor | Zatesk, Leandro Miranda | - |
Autor(es): dc.contributor | Berardi, Rita Cristina Galarraga | - |
Autor(es): dc.creator | Cordeiro, Jelson Andre | - |
Data de aceite: dc.date.accessioned | 2022-08-04T20:20:17Z | - |
Data de disponibilização: dc.date.available | 2022-08-04T20:20:17Z | - |
Data de envio: dc.date.issued | 2022-04-14 | - |
Data de envio: dc.date.issued | 2022-04-14 | - |
Data de envio: dc.date.issued | 2021-07-19 | - |
Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/28043 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/706935 | - |
Descrição: dc.description | Allowance for Doubtful Accounts (AFDA) in companies is an attractive field for investigation due to the percentage of profits it represents. The objective of this work is to find a machine learning model to predict which day the customer will pay the invoice in order to maximize the company’s profit. To evaluate the proposed methodology, experiments were carried out using real data from customer invoices. The results of the models were compared with each other and a statistical analysis was carried out to verify if there was a significant difference between them. The results indicate that it is promising to apply the proposed model to the problem of Estimated Losses on Loan Losses. | - |
Descrição: dc.description | As Perdas Estimadas em Créditos de Liquidação Duvidosa nas empresas é um campo atraente para investigação devido ao percentual dos lucros que representa. O objetivo deste trabalho é encontrar um modelo de aprendizagem de máquina para predizer em que dia o cliente irá pagar a fatura visando maximizar o lucro da empresa. Para avaliar a metodologia proposta foram realizados experimentos utilizando dados reais de faturas dos clientes. Os resultados dos modelos foram comparados entre si e realizado a análise estatística para verificar se existe diferença significativa entre eles. Os resultados alcançados indicam que é promissora a aplicação da modelagem proposta. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
Publicador: dc.publisher | Curitiba | - |
Publicador: dc.publisher | Brasil | - |
Publicador: dc.publisher | Ciência de Dados e suas Aplicações | - |
Publicador: dc.publisher | UTFPR | - |
Direitos: dc.rights | openAccess | - |
Palavras-chave: dc.subject | Aprendizado de máquinas | - |
Palavras-chave: dc.subject | Análise de regressão | - |
Palavras-chave: dc.subject | Créditos | - |
Palavras-chave: dc.subject | Energia elétrica - Distribuição | - |
Palavras-chave: dc.subject | Machine learning | - |
Palavras-chave: dc.subject | Regression analysis | - |
Palavras-chave: dc.subject | Credit | - |
Palavras-chave: dc.subject | Electric power distribution | - |
Palavras-chave: dc.subject | CNPQ::CIENCIAS DA SAUDE | - |
Título: dc.title | Machine learning aplicado no problema de perdas com créditos de uma distribuidora de energia elétrica | - |
Título: dc.title | Machine learning applied to the problem of doubtful accounts of a electric energy utility company | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT |
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: