Uso de Mineração de Dados para Identificação de Atos Suspeitos na Prova de Direção da CNH

Autori

  • Leticia Toledo M. Zoby Centro Universitário IESB - Brasília
  • Gabriel Lima Gomes Centro Universitário IESB - Brasília

DOI:

https://doi.org/10.52614/2317-0115.2017.245170

Parole chiave:

mineração de dados, CNH, boxplot, k-means

Abstract

Uma das principais causas de perda de receita é a fraude. E com o crescente volume e armazenamento de dados várias empresas torna-se inviável a análise manual de todos os dados. O uso do KDD é (Knowledge Discovery in Database - Descoberta de conhecimento em base de dados) é um dos recursos no auxílio de gestão de grande quantidade de dados e transformá-los em informações. Este trabalho descreve uma das etapas do KDD, a mineração de dados, para extrair informações sobre índice de aprovação de exame de direção para obtenção da CNH, de uma base de dados real, para identificar possíveis casos de fraudes nesse exame. Foi utilizado detecção de outlier utilizando o boxplot e cluster com algoritmo k-means. Através dessas aplicações foi possível identificar os índices de aprovação atípicos e extrair informações sobre esses casos encontrados.


Biografie autore

Leticia Toledo M. Zoby, Centro Universitário IESB - Brasília

Doutora em engenharia de sistemas eletrônicos e de automação - UNB (2013), mestre em engenharia elétrica - UNB (2007), graduada em ciência da computação - Fundação Universidade Federal do Tocantins(2005), atuo como professora no centro universitário IESB nas disciplinas inteligência artificial, banco de dados e hipermídia. 


Gabriel Lima Gomes, Centro Universitário IESB - Brasília

Analista de dados, instrutor e palestrante na área de ciência de dados, especializando em Deep Learning, atua com o desenvolvimento de modelos de machine learning e visualização de dados, utiliza tecnologias como R, Python, Elasticsearch, Kibana, D3.js, tableau. Formado em ciência da computação, também possui experiência com Java, SQL, PL/SQL, banco de dados Oracle, Mysql, Postgree, HTML, CSS e JS.

Downloads

Pubblicato

2020-05-12

Fascicolo

V. 6 N. 2 (2017): REVISTA DOS MESTRADOS PROFISSIONAIS

Sezione

Artigos

Licenza

Copyright (c) 2020 RMP - Revista dos Mestrados Profissionais

Creative Commons License

Questo lavoro è fornito con la licenza Creative Commons Attribuzione - Non commerciale - Non opere derivate 4.0 Internazionale.

Os trabalhos submetidos são de responsabilidade exclusiva de sua autoria, que preserva o seu direito autoral.

É permitida a citação dos trabalhos publicados sem prévia autorização desde que seja explícita a menção à fonte da RMP