Graduações em Engenharias e Ciência da Computação
URI permanente para esta coleçãohttps://repositorio.insper.edu.br/handle/11224/3249
Navegar
2 resultados
Resultados da Pesquisa
- Financial Data Synthesis and Analysis in Open Finance(2023) Souza, Ana Carolina Leal Garcia de; Rodrigues, Bruno Freitas do Nascimento; Cho, Nicolas Byung Kwan; Rocha, Thiago Hampl de PierriO projeto em questão tem como objetivo desenvolver uma análise comportamental de clientes bancários em um ambiente de Open Finance simulado. Desta forma, o projeto busca compreender sobre a possibilidade de extrair métricas em relação aos clientes, como score de crédito, considerando os dados compartilhados entre instituições financeiras. Levando em conta a indisponibilidade de dados bancários reais, vê-se a necessidade de aplicação de técnicas de geração de dados para uma etapa inicial do projeto, seguida da definição das métricas relevantes e posterior análise envolvendo tanto uma abordagem estatística clássica quanto a utilização de aprendizado de máquina, a exemplo de um modelo de processamento de linguagem natural para dados textuais contidos em extratos bancários. Ao final, espera-se a criação de um dashboard com os insights julgados como relevantes, integrado em um pipeline em Docker, como um produto final.
Trabalho de Conclusão de Curso Detecção de Bugs em Modelos de Machine Learning(2022) Santos, Giovanni Cardoso Pertence dos; Andrade, João Pedro Gianfaldoni de; Silva, William Augusto Reis daModelos de Machine Learning em produção muitas vezes apresentam comportamentos inesperados, que não foram detectados durante as etapas de treino, teste e validação, ao serem expostos a dados do mundo real. Esses comportamentos inesperados, ou “bugs” do modelo, ocorrem por diferentes motivos, como o não cumprimento de regras de negócio, dados de treino rotulados incorretamente e generalizações errôneas do próprio modelo. Este projeto tem como objetivo desenvolver uma biblioteca de Machine Learning explainability, open source, na linguagem de programação Python, que seja capaz de realizar diagnósticos e produzir relatórios que identifiquem esses bugs e comportamentos inesperados, permitindo assim que o cliente IFOOD, ou qualquer outro usuário da biblioteca, os corrija. Essa biblioteca poderá ser utilizada em modelos de classificação binária, na forma de “caixa-preta”, que foram treinados com dados tabulares.