Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa. DISCENTE: DANIEL MOREIRA GUILHON DATA: 16/07/2020 HORA: 09:00 LOCAL: Vídeo Conferência TÍTULO: Classificação de Risco em Transferências Voluntárias Federais Utilizando XGBoost PALAVRAS-CHAVES: transferências voluntárias, aprendizagem computacional, XGBoost, pre- dição de risco PÁGINAS: 84 GRANDE ÁREA: Ciências Exatas e da Terra ÁREA: Ciência da Computação RESUMO: Com a redemocratização no Brasil, estados e municípios passaram a contar com trans- ferências voluntárias de recursos por parte do Governo Federal para a consecução de suas políticas públicas. Para uma maior tempestividade na recuperação de recursos even- tualmente gastos de forma inadequada, é necessária uma ferramenta de classificação para atribuir perfis de risco de sucesso ou fracasso dessas transferências. Neste trabalho, propomos o uso do algoritmo eXtreme Gradient Boosting (XGBoost) usando conjuntos de dados balanceados e desbalanceados, com técnicas de otimização de hiperparâmetros Tree-structured Parzen Estimator bayesiano (TPE). Os resultados alcançaram boas taxas de sucesso. Os resultados do XGBoost mostraram uma taxa de sensibilidade usando dados balanceados de 89,3% e dados desbalanceados 87,8%. No entanto, para os dados desbalan- ceados, a AUC foi de 98,1%, contra 97,9% para os dados balanceados. Incorporar dados como informações acerca do objeto pactuado utilizando-se técnicas de processamento de linguagem natural pode melhorar os resultados obtidos.
MEMBROS DA BANCA: Presidente - 407686 - ANSELMO CARDOSO DE PAIVA Externo à Instituição - CLAUDIO DE SOUZA BAPTISTA - UFCG Co-orientador - 004.403.073-84 - DANIEL LIMA GOMES JUNIOR - IFMA Interno - 2582240 - GERALDO BRAZ JUNIOR