Utilize este link para identificar ou citar este item: https://bdm.unb.br/handle/10483/34494
Arquivos neste item:
Arquivo Descrição TamanhoFormato 
2022_VictorDeAraujo_GiovannaVaz_tcc.pdfTrabalho de Conclusão de Curso 1,73 MBAdobe PDFver/abrir
Registro completo
Campo Dublin CoreValorLíngua
dc.contributor.advisorGonçalves, Vinícius Pereira-
dc.contributor.authorAraújo, Victor Santos Pimentel Rodrigues de-
dc.contributor.authorVaz, Giovanna Castro-
dc.identifier.citationARAÚJO, Victor Santos Pimentel Rodrigues de; VAZ, Giovanna Castro. Utilização de aprendizado de máquina para detecção de fraudes em cartão de crédito. 2022. 52 f., il. Trabalho de conclusão de curso (Bacharelado em Engenharia de Redes de Comunicação) — Universidade de Brasília, Brasília, 2022.pt_BR
dc.descriptionTrabalho de Conclusão de Curso (graduação) — Universidade de Brasília, Faculdade de Tecnologia, 2022.pt_BR
dc.description.abstractO aumento de fraudes em transações realizadas por meio de cartões de crédito é um problema severo na modernidade, que preocupa não só as pessoas, mas também as instituições financeiras e os governos. Diante desse cenário, a quantidade de investimento em pesquisas e novas tecnologias que visam coibir essas práticas criminosas tem crescido. A principal aposta dos pesquisadores é o aprendizado de máquina, com intuito de tornar capaz a predição segura e eficaz de transações fraudulentas. Nesse contexto, o presente trabalho foca em aplicar uma metodologia para detecção de fraudes e realizar comparações de performance entre os principais algoritmos utilizados pelo aprendizado de máquina, sendo eles: Regressão Logística, SVM, Random Forest, KNN, K-Means e RNA. Para isso, foi utilizado um dataset pré-processado que contém dados referentes a transações comerciais realizadas através de cartões de crédito. Após a realização dos testes utilizando uma metodologia desenvolvida, foram comparados, por meio de métricas determinadas, os resultados obtidos para cada algoritmo e foi gerado um ranking de desempenho entre eles. Ao final do presente trabalho, foi possível notar que os algoritmos Random Forest, Regressão Logística e SVM performaram bem, já os algoritmos K-Means e KNN performaram consideravelmente abaixo do esperado.pt_BR
dc.rightsAcesso Abertopt_BR
dc.subject.keywordAprendizado de máquinapt_BR
dc.subject.keywordFraudept_BR
dc.subject.keywordAlgoritmos de computadorpt_BR
dc.titleUtilização de aprendizado de máquina para detecção de fraudes em cartão de créditopt_BR
dc.typeTrabalho de Conclusão de Curso - Graduação - Bachareladopt_BR
dc.date.accessioned2023-04-10T12:54:20Z-
dc.date.available2023-04-10T12:54:20Z-
dc.date.submitted2022-04-
dc.identifier.urihttps://bdm.unb.br/handle/10483/34494-
dc.language.isoPortuguêspt_BR
dc.rights.licenseA concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta.pt_BR
dc.contributor.advisorcoMolina, André Luiz Bandeira-
dc.description.abstract1The increase in fraudulent transactions using credit cards is a severe problem in modernity, which concerns not only people, but also financial institutions and governments. Given this scenario, the amount of investment in research and new technologies aimed at curbing these criminal practices has grown. The researchers’ main bet is machine learning, in order to enable the safe and effec tive prediction of fraudulent transactions. In this context, the present work focuses on applying a methodology for fraud detection and compares the main methods used by machine learning, namely: Logistic Regression, SVM, Random Forest, KNN, K-Means and ANN. For this, a pre processed dataset was used, which contains data referring to commercial transactions carried out through credit cards. After carrying out the tests using a developed methodology, the results obtained for each algorithm were compared using certain metrics and a performance ranking was generated between them. At the end of the present work, it was possible to notice that the algo rithms Random Forest, Logistic Regression and SVM performed well, whereas the K-Means and KNN algorithms performed considerably below expectations.pt_BR
Aparece na Coleção:Engenharia de Redes de Comunicação



Todos os itens na BDM estão protegidos por copyright. Todos os direitos reservados.