Lucas Lukasavicus SIlva

Idiomas

Áreas de atuação

Projetos de pesquisa

• 2020 - 2021

  Análise de Crédito Automática com Dados Macroeconômicos, Descrição: Background e Objetivo: Operações de crédito como o empréstimo representam uma das maiores fontes de lucro para instituições financeiras como Bancos e Instituições de Crédito. O sucesso de tais operações reside em ser capaz de distinguir os possíveis clientes de um empréstimo entre bons e maus clientes, uma vez que bons clientes tendem a honrar o seu compromisso de pagar os valores emprestados, enquanto maus pagadores não. Tendo em vista a quantidade de solicitação de empréstimos e financiamentos, essas instituições vêm adotando métodos automáticos para auxiliar na tarefa de classificação de clientes. O presente trabalho explora um conjunto de técnicas, dados e métodos de aprendizado de máquina para aumentar a eficiência do processo de análise de crédito e assim garantir maior rentabilidade as instituições financeiras. Metodologia: A metodologia empregada nesse trabalho faz uso de técnicas de engenharia de atributos e pré-processamento de dados clássicas, e utiliza um conjunto de modelos de aprendizado de máquina (Redes Neurais, Regressão Logística, Árvores de Decisão e Ensembles) e combina o conjunto de dados inicial (dados da utilização da conta bancária de clientes de Taiwan em 2005) com dados da economia do país. Resultados e Conclusões: A combinação desses dados permitiu um aumento na acurácia dos modelos de 5%, o que nos leva a crer que o enriquecimento com dados de indicadores macroeconômicos levou os modelos a "entender" melhor o cenário geral da economia local e assim, flexibilizar as regras de concessão de crédito ao longo do tempo.. , Situação: Concluído; Natureza: Pesquisa. , Integrantes: Lucas Lukasavicus Silva - Coordenador / Ronaldo Dias - Integrante.

• 2015 - 2016

  Agregação OLAP de Objetos Textuais para a Tomada de Decisão centrada no usuário, Descrição: As tecnologias envolvidas em um ambiente de Business Intelligence permitem coletar e refinar dados das mais variadas fontes, analisar e apresentar, de maneira proveitosa, a informação útil do domínio de atuação sob diversas perspectivas para que os gestores possam tomar melhores decisões. Um dos obstáculos para ajudar entender o que acontece em uma organização é a natureza não estruturada dos dados multimídia. Atualmente, os sistemas de suporte à decisão requerem soluções para a integração e análise de dados não estruturados em ambientes de Data Warehousing. Este projeto gira em torno da seguinte questão: como pode-se explorar o conteúdo de dados não estruturados para complementar o conhecimento gerado nas análises de dados estruturados, ou mesmo para ser o alvo da análise? O objetivo deste projeto é propor um algoritmo de recomendação de agregações OLAP de dados multimídia baseado em parâmetros especificados pelo usuário (gestor). Este projeto se divide em duas fases. A primeira fase visa construir um modelo de dados multidimensional que considere os dados multimídia e as operações de processamento analítico. A segunda fase é a de validação das propostas tendo como preocupação aspectos de desempenho (dado o volume de dados armazenado em um Data Warehouse) e qualidade das operações OLAP.. , Situação: Desativado; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (1) . , Integrantes: Lucas Lukasavicus Silva - Integrante / Sahudy Montenegro Gonzáles - Coordenador.

• 2014 - 2015

  Estudo de viabilidade da aplicação da persistência poliglota para melhorar o desempenho de consultas OLAP com dados transitórios., Situação: Desativado; Natureza: Pesquisa. , Integrantes: Lucas Lukasavicus Silva - Coordenador.