THIAGO DE JESUS DOS SANTOS

Formação complementar

Idiomas

Organização de eventos

Participação em eventos

Produções bibliográficas

• Santos, Thiago de Jesus dos . Gestão de riscos e a norma ISO 31000: uma abordagem literária. Management Journal , v. 3, p. 1-14, 2021.

• DIAS, C. T. ; SANTOS, T. J. ; OLIVEIRA, L. B. . PANORAMA SOBRE O BLOCKCHAIN E SUAS APLICAÇÕES NO MERCADO DE SEGUROS. REVISTA INGI , v. 4, p. 825-837, 2020.

• SANTOS, T. J. ; SANTOS, J. K. S. ; DANIEL, C. R. A. ; IDALINO, R. C. L. . Evolução do Número de Testes para Covid-19 e Recomendações para o Número Mínimo de Testes em Diferentes Cenários. Estudo de Caso: Sergipe ? Brasil. REVISTA BRASILEIRA DE ESTATÍSTICA , v. 78, p. 110-141, 2020.

• SANTOS, K. O. ; SANTOS, T. J. ; SANTOS, M. M. ; SIQUEIRA, T. S. ; CELESTINO, A. O. ; SANTOS, A. H. C. ; SILVA, J. R. S. ; XAVIER, C. M. . FATORES DE RISCO ASSOCIADOS À SÍNDROME RESPIRATÓRIA AGUDA GRAVE EM DECORRÊNCIA DA COVID-19 EM SERGIPE. Doenças Infecciosas e Parasitárias. 7ed.: Editora Pasteur, 2023, v. 7, p. 46-54.

• SANTOS, T. J. ; DIAS, C. T. . APLICAÇÕES DA INTELIGÊNCIA ARTIFICIAL NA ÁREA DA SAÚDE: UM ESTUDO DE PROSPECÇÃO TECNOLÓGICA. In: Suzana Leitão Russo;Zulmara Virgínia de Carvalho;Cristiane Toniolo Dias. (Org.). PROPRIEDADE INTELECTUAL E A INTERDEPENDÊNCIA ENTRE CIÊNCIA, TECNOLOGIA E INOVAÇÃO. 1ed.Aracaju: Backup Books Editor, 2021, v. , p. 257-.

• SANTOS, T. J. . Gestão de Riscos e a Norma ISO 31000: Uma Abordagem Literária. In: Congresso de Ciências Contábeis e Atuariais da Paraíba, 2020, Paraíba. CONCICAT 2020, 2020.

• SILVA, J. V. O. ; HOLANDA, M. Y. A. ; SANTOS, T. J. ; MENEZES, E. R. . MAPEAMENTO DA PRODUÇÃO CIENTÍFICA BRASILEIRA SOBRE CIDADES INTELIGENTES À LUZ DA BIBLIOMETRIA. In: VI ENPI- EVENTO NACIONAL DE PROPRIEDADE INTELECTUAL, 2020, RIO GRANDE DO NORTE. VI ENPI, 2020. v. 6. p. 1721-1729.

• COSTA, F. J. F. ; RODRIGUES, E. F. ; SANTOS, T. J. ; MENEZES, E. R. . PRODUÇÃO CIENTÍFICA SOBRE ACELERADORAS DE NEGÓCIOS NA ÓTICA DA BIBLIOMETRIA. In: VI ENPI- Encontro de Propriedade Intelectual, 2020, Rio grande do Norte. VI ENPI, 2020. v. 6. p. 1711-1720.

• SOUZA, P. H. A. ; REGO FILHO, F. S. ; SANTOS, T. J. ; MENEZES, E. R. . MAPEAMENTO DA PRODUÇÃO CIENTÍFICA SOBRE SPIN-OFFS ACADÊMICAS. In: VI ENPI- Encontro Nacional de Propriedade Intelectual, 2020, Rio grande do Norte. VI ENPI, 2020. v. 6. p. 1595-1604.

• HOLANDA, J. C. S. ; CORREIA, A. L. ; SANTOS, T. J. ; MENEZES, E. R. . ANÁLISE BIBLIOMÉTRICA DA PRODUÇÃO CIENTÍFICA BRASILEIRA SOBRE STARTUPS. In: VI ENPI- Encontro Nacional de Propriedade Intelectual, 2020, Rio Grande do Norte. VI ENPI, 2020. v. 6. p. 1682-1691.

• PINTO, M. D. F. ; SILVA, J. B. ; SANTOS, M. M. ; SANTOS, T. J. . Identificação de possíveis fatores que influenciam na evasão estudantil do ensino superior no curso de ciências contábeis da Universidade Federal de Sergipe. In: Congresso de Ciências Contábeis e Atuariais da Paraíba-, 2020, Paraíba. CONCICAT, 2020.

• SÁ, M. C. ; SANTOS, T. J. ; SANTOS, C. P. C. . Análise das principais características e exigências do mercado de trabalho do Atuário no Brasil. In: VIII Simpósio de Atuária (SIMPAT), 2019, Fortaleza. VIII Simpósio de Atuária (SIMPAT), 2019.

• SANTOS, T. J. ; SANTOS, E. D. S. ; GUIMARAES, U. V. . Análise dos fatores da evasão estudantil no curso de Ciências Atuariais da Universidade Federal de Sergipe. In: Colóquio Internacional 'Educação e Contemporaneidade', 2019, São Cristóvão. Colóquio Internacional, 2019.

• SANTOS, T. J. ; DIAS, C. T. ; OLIVEIRA, L. B. . Disrupção tecnológica e seus impactos no mercado de Seguros. In: 10th International Symposium on Technological Innovation, 2019, Atalaia. 10th International Symposium on Technological Innovation, 2019. v. 10. p. 0693-0708.

• SANTOS, T. J. ; DANIEL, C. R. A. . MACHINE LEARNING PARA PREVISÃO DE INADIMPLÊNCIA EM UMA OPERADORA DE CRÉDITO. In: 32º Encontro de Iniciação Científica da UFS, 2022, São Cristóvão. Livro de resumos: 32º Encontro de Iniciação Científica da UFS. São Cristóvão: Editora UFS, 2022.

• SILVA, J. L. M. J. ; SOUSA, M. M. ; SANTOS, T. J. ; SILVA, J. R. S. . IDENTIFICAÇÃO DOS FATORES ASSOCIADOS AOS ACIDENTES COM VÍTIMAS E MAPEAMENTO DOS TRECHOS MAIS PERIGOS. In: 31º ENCONTRO DE INICIAÇÃO CIENTÍFICA, 2021, São Cristóvão. Livro de resumo do 31º Encontro de Iniciação Científica da UFS. São Cristóvão: Editora UFS, 2021.

• SOUSA, M. M. ; SILVA, J. L. M. J. ; SANTOS, T. J. ; SILVA, J. R. S. . MEDIÇÃO DOS RISCOS DOS FATORES ASSOCIADOS NA OCORRÊNCIA DE ACIDENTES COM VÍTIMAS NAS RODOVIAS FEDERAIS DE SERGIPE.. In: 31º ENCONTRO DE INICIAÇÃO CIENTÍFICA, 2021, São Cristóvão. Livro de resumo do 31º Encontro de Iniciação Científica da UFS. São Cristóvão: Editora UFS, 2021.

• SANTOS, T. J. ; SANTOS, J. K. S. ; IDALINO, R. C. L. ; DANIEL, C. R. A. . Estimativa do número mínimo de testes para a COVID-19 no estado de Sergipe. In: 30º Encontro de Iniciação Científica da UFS, 2020, São Cristóvão. Livro de resumos do 30º Encontro de Iniciação Científica da UFS. São Cristóvão: Editora UFS, 2020. v. 7. p. 381-381.

• SANTOS, J. O. ; SILVA, B. V. L. ; SANTOS, T. J. ; SILVA, A. R. . Modelagem da distribuição de probabilidade da velocidade do vento para o município de Aracaju. In: 30º Encontro de Iniciação Científica da UFS, 2020, São Cristóvão. Livro de resumos do 30º Encontro de Iniciação Científica da UFS. São Cristóvão: Editora UFS, 2020. v. 7. p. 382-382.

• SANTOS, T. J. ; SANTOS, J. K. S. ; SILVA, J. R. S. ; DANIEL, C. R. A. . Análise de autocorrelação espacial da incidência de casos de Covid-19 nos municípios do estado de Sergipe-Brasil. 2021. (Apresentação de Trabalho/Simpósio).

• SANTOS, T. J. ; SANTOS, J. K. S. ; IDALINO, R. C. L. ; DANIEL, C. R. A. . Estimativa do número mínimo de testes para a COVID-19 no estado de Sergipe. 2020. (Apresentação de Trabalho/Outra).

• SANTOS, J. O. ; SILVA, B. V. L. ; SANTOS, T. J. ; SILVA, A. R. . Modelagem da distribuição de probabilidade da velocidade do vento para o município de Aracaju. 2020. (Apresentação de Trabalho/Outra).

• SANTOS, T. J. ; SANTOS, V. K. ; RIBEIRO, J. T. L. O. C. ; PEREIRA, G. F. M. ; SILVA, W. T. . Introdução à Análise exploratória de dados utilizando o Excel. 2019. (Curso de curta duração ministrado/Outra).

Projetos de pesquisa

• 2022 - Atual

  Grupo de Pesquisa em Estatística e Atuaria, Descrição: Grupo de pesquisa destinado ao desenvolvimento de estudos e trabalhos científicos na área da estatística e ciências atuariais.. , Situação: Em andamento; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (4) / Especialização: (1) / Mestrado acadêmico: (2) / Doutorado: (12) . , Integrantes: Thiago de Jesus dos Santos - Coordenador / Marcelo Coelho de sá - Integrante / AMANDA DA SILVA LIRA - Integrante / Alexia Teles dos Santos - Integrante / Ulisses Vieira Guimarães - Integrante / Cristiane Toniolo Dias - Integrante / Carlos Raphael Araújo Daniel - Integrante / Jamesson Oliveira dos Santos - Integrante / Allan Robert da Silva - Integrante / José Rodrigo Santos Silva - Integrante / Cleber Martins Xavier - Integrante / Cristiane Silva Corrêa - Integrante / Daniel Francisco Neyra Castaneda - Integrante / Esdras Adriano Barbosa dos Santos - Integrante / Luiz Henrique Gama Dore de Araujo - Integrante / Oscar Felipe Falcão Raposo - Integrante / Sadraque Eneas de Figueiredo Lucena - Integrante / Marcelo Henrique Santana dos Santos - Integrante / Rivaldo Correia Santos Junior - Integrante.

• 2021 - 2022

  Machine learning para previsão de inadimplência de clientes de uma operadora de crédito, Descrição: O gerenciamento de risco de crédito é de extrema importância em organizações do setor financeiro, uma vez que sua finalidade é mensurar e mitigar o risco de que as entidades se exponham a indivíduos (tomadores de crédito) que não tenham condições de arcar com suas dívidas perante as mesmas (MONTEIRO, 2019). O desenvolvimento de modelos que busquem mensurar a probabilidade de inadimplência de clientes tem sido sofisticado por meio de técnicas de Machine Learning. A aplicação destes métodos pode ser justificada pela necessidade de conhecimento sobre clientes por meio de dados cadastrais, hábito de pagamento, classificação e/ou determinação do risco do cliente ser adimplente ou inadimplente, fraudador ou de boa fé, recuperado ou não recuperado, entre outros (FORTI, 2018). O discente vinculado a este plano de trabalho será responsável por aplicar a metodologia proposta. Os softwares utilizados serão o R (THE R CORE TEAM, 2020), versão 3.6.1. e o Python, versão 3.9.2. Os programas serão utilizados para a leitura, tratamento e análises estatísticas dos dados. O presente plano de trabalho tem como objetivo proporcionar conhecimento sobre alguns métodos de machine learning que podem ser aplicados para previsão de inadimplência de clientes perante a uma operadora de crédito.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (1) / Doutorado: (1) . , Integrantes: Thiago de Jesus dos Santos - Coordenador / Carlos Raphael Araújo Daniel - Integrante.

Prêmios