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 | Tayt-son, Débora Bogéa da Costa | - |
Autor(es): dc.contributor | Silva, Eduardo Camilo da | - |
Autor(es): dc.contributor | Levy, Ariel | - |
Autor(es): dc.creator | Aragão, Victor Viana de | - |
Data de aceite: dc.date.accessioned | 2024-07-11T18:09:51Z | - |
Data de disponibilização: dc.date.available | 2024-07-11T18:09:51Z | - |
Data de envio: dc.date.issued | 2024-04-29 | - |
Data de envio: dc.date.issued | 2024-04-29 | - |
Fonte completa do material: dc.identifier | http://app.uff.br/riuff/handle/1/32836 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/764879 | - |
Descrição: dc.description | Esse trabalho apresenta uma análise de dados e comparativa de modelos que visa aplicar as principais técnicas de análise quantitativa e de aprendizado de máquina para identificação de fraudes financeiras. Além disso, sugere um fluxo de trabalho para a análise de dados voltada a detecção de fraude e de construção de sistemas de identificação de fraude. A pesquisa foi realizada com dados transacionais de uma instituição financeira, onde foram aplicadas técnicas de análise quantitativa e de aprendizado de máquina para detectar padrões de fraude e transações legítimas. O resultado da pesquisa mostra que é possível utilizar técnicas de aprendizado de máquina para identificar padrões de fraude em dados transacionais de instituições financeiras e construir sistemas de detecção de fraude eficientes. O trabalho também apresenta uma discussão sobre os desafios e limitações enfrentados na análise de dados para detecção de fraude, bem como sugere uma metodologia para construção de sistemas de detecção de fraude utilizando técnicas de aprendizado de máquina. Como resultado, o trabalho contribui para a literatura sobre o uso de técnicas de análise quantitativa e de aprendizado de máquina na detecção de fraudes financeiras | - |
Descrição: dc.description | This paper presents a data analysis and comparative study of models aimed at applying the main techniques of quantitative analysis and machine learning to the identification of financial frauds. Furthermore, it suggests a workflow for data analysis focused on fraud detection and the construction of fraud identification systems. The research was conducted using transactional data from a financial institution, where quantitative analysis and machine learning techniques were applied to detect patterns of fraud and legitimate transactions. The results of the research show that it is possible to use machine learning techniques to identify patterns of fraud in financial institutions' transactional data and build efficient fraud detection systems. The paper also discusses the challenges and limitations faced in the analysis of data for fraud detection, and suggests a methodology for the construction of fraud detection systems using machine learning techniques. As a result, the work contributes to the literature on the use of quantitative analysis and machine learning techniques in the detection of financial frauds | - |
Descrição: dc.description | 55 f. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Direitos: dc.rights | Open Access | - |
Direitos: dc.rights | CC-BY-SA | - |
Palavras-chave: dc.subject | Análise de dados | - |
Palavras-chave: dc.subject | Aprendizado de máquina | - |
Palavras-chave: dc.subject | Identificação de fraudes financeiras | - |
Palavras-chave: dc.subject | Instituição financeira | - |
Palavras-chave: dc.subject | Sistema de Identificação de fraude | - |
Palavras-chave: dc.subject | Dolo | - |
Palavras-chave: dc.subject | Data analysis | - |
Palavras-chave: dc.subject | Machine learning | - |
Palavras-chave: dc.subject | Financial fraud detection | - |
Título: dc.title | Análise de dados e aprendizado de máquina para detecção de fraude financeira | - |
Tipo de arquivo: dc.type | Trabalho de conclusão de curso | - |
Aparece nas coleções: | Repositório Institucional da Universidade Federal Fluminense - RiUFF |
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: