Please use this identifier to cite or link to this item: https://repositorio.unichristus.edu.br/jspui/handle/123456789/1121
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorBrito, Felipe-
dc.contributor.authorSilva, Thalys-
dc.date.accessioned2021-04-27T12:22:45Z-
dc.date.available2021-04-27T12:22:45Z-
dc.date.issued2021-01-
dc.identifier.citationSilva, Thalyspt_BR
dc.identifier.urihttps://repositorio.unichristus.edu.br/jspui/handle/123456789/1121-
dc.description.abstractA utilização de algoritmos de aprendizado de máquina já é uma realidade nas empresas e indús trias. Sua utilização visa melhorar os processos, otimizar suas estratégias e, consequentemente, maximizar os lucros. Essa realidade já é comum em várias empresas ao redor do mundo, como Netflix, Facebook, Amazon, Walmart, entre outras. No Brasil, vários órgãos, empresas e institui ções ainda carecem da utilização de algoritmos de aprendizado de máquina para alavancarem seus resultados, como é o caso do PROCON - Programa de Proteção e Defesa do Consumidor. Este órgão está presente em todos os estados brasileiros e tem como finalidade tratar conflitos entre consumidores e empresas que vendem produtos ou prestam serviços. A fim de prever para novas entradas de reclamações, se elas serão solucionadas ou não, este trabalho tem como objetivo realizar um estudo comparativo entre seis algoritmos de aprendizado de máquina so bre dados de reclamações, realizadas por meio do PROCON. Foi utilizada uma metodologia exploratória e descritiva, conjuntamente à metodologia CRISP-DM, com o intuito de auxiliar na compreensão do problema, interpretação e preparação dos dados, modelagem, avaliação dos resultados e disponibilização da solução. Resultados demonstram que, para algumas técnicas, é possível obter mais de 70% de acurácia na predição de atendimento das reclamações, isto é, se a reclamação foi atendida ou não. Dentre as técnicas aplicadas, o algoritmo Random Forest foi o que obteve os melhores resultados, chegando a 73,34% de acurácia.pt_BR
dc.language.isopt_BRpt_BR
dc.publisherCentro Universitário Christus - Unichristuspt_BR
dc.relation.ispartofseriesS586e;-
dc.subjectAprendizado de Máquinapt_BR
dc.subjectAprendizagem Supervisionadapt_BR
dc.subjectPredição de Soluçãopt_BR
dc.subjectProconpt_BR
dc.titleUm Estudo Comparativo Entre Algoritmos de Aprendizagem de Máquina Supervisionados para Predição de Solução de Reclamações no Proconpt_BR
dc.typeTCCpt_BR
dc.title.inglesA Comparative Study Between Learning Algorithms of Supervised Machine for Complaint Solution Prediction in the Proconpt_BR
dc.description.resumo_abstractThe use of machine learning algorithms is already a reality in companies and industries. Its use aims to improve processes, optimize its strategies and, consequently, maximize profits. This reality is already common in several companies around the world, such as Netflix, Facebook, Amazon, Walmart, among others. In Brazil, several agencies, companies and institutions still lack the use of machine learning algorithms to leverage their results, as PROCON - Programa de Proteção e Defesa do Consumidor. This agency is present in all Brazilian states and aims to deal with conflicts between consumers and companies that sell products or provide services. In order to predict for new entries, if they will be solved or not, this work aims to conduct a comparative study between six machine learning algorithms on data of complaints made through PROCON. An exploratory and descriptive methodology was used, together with the CRISP-DM methodology, in order to assist in understanding the problem, interpreting and preparing the data, modeling, evaluating the results and publishing the solution. Results demonstrate that, for some techniques, it is possible to obtain more than 70 % accuracy in the prediction of complaints’ attendance, that is, if the complaint was answered or not. Among the applied techniques, the textit Random Forest algorithm was the one that obtained the best results, reaching 73.34 % of accuracy.pt_BR
Appears in Collections:Sistemas de Informação - Trabalhos de Conclusão de Curso

Files in This Item:
File Description SizeFormat 
TCC_Thalys_Melicio_final.pdfTCC do curso de Sistemas de Informação sobre um estudo comparativo entre algoritmos de aprendizagem de máquina supervisionados para predição de solução de reclamações no Procon2.01 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.