Use este identificador para citar ou linkar para este item: https://repositorio.ifg.edu.br/handle/prefix/1094
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.advisor1SOUSA, Daniel Xavier de-
dc.contributor.advisor1LattesDaniel Xavier de Sousapt_BR
dc.contributor.referee1SOUSA, Daniel Xavier de Sousa-
dc.contributor.referee1LattesDaniel Xavier de Sousapt_BR
dc.contributor.referee2SILVA, Hugo Vinícius Leão e-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/9311172675946559pt_BR
dc.contributor.referee3JESUS, Mauricio Barros de-
dc.contributor.referee3Latteshttp://lattes.cnpq.br/0131709712990645pt_BR
dc.creatorCRUZ, Thauan da Silva-
dc.creator.Latteshttp://lattes.cnpq.br/9311172675946559pt_BR
dc.date.accessioned2022-04-27T16:38:53Z-
dc.date.available2022-04-27T16:38:53Z-
dc.date.issued2021-08-12-
dc.identifier.citationCRUZ, Thauan da Silva. Automatizando a fiscalização de gastos públicos por meio da classificação automática de empenhos utilizando aprendizado de máquina. 2021. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação) - Instituto Federal de Educação, Ciência e Tecnologia de Goiás – Campus Anápolis, Anápolis - GO, 2021.pt_BR
dc.identifier.urihttp://repositorio.ifg.edu.br:8080/handle/prefix/1094-
dc.description.abstractThe budget oversight of the State of Goiás is in charge of the Court of Accounts.To accomplish this task, when the need arises, experts are assigned to manually assesseach expense. However, this process is costly given the large amount of monthly expenses.Therefore, it is necessary to automate this inspection process. One strategy for dealing with this problem is by performing sampling analysis, selecting only a subset of the expenses.Thus, many potentially wrong expenses would be unconsidered on this analysis. Another strategy is to use traditional programming techniques. However, the understandment of all data patterns is needed to create a program to deal with them. As the proposed problem is not trivial, this would be unfeasible. With this in mind, this work proposes using machine learning techniques on this inspection process, which have the ability to understand complex patterns present in the data. In result, it was possible to achieve a hit rate of 90 % according to the Micro F1 evaluation metric. In addition, this work’s secondary objective is to provide beginners in this field of study with a guide, presenting the steps to be followed and applying them to a real problem, through the data provided by the Court of Accounts of the State of Goiás.pt_BR
dc.description.resumoA fiscalização orçamentária do Estado de Goiás está a cargo do Tribunal de Contas. Para realizar essa tarefa, quando há a necessidade, especialistas são designados para manualmente avaliar cada empenho. Porém, esse processo é custoso visto a grande quantidade de empenhos mensais. Portanto, faz-se necessária a automatização desse processo de fiscalização de empenhos. Uma estratégia para lidar com esse problema é fazer a análise por amostragem, selecionando apenas um subconjunto dos empenhos para a fiscalização. O problema disso é que muitos empenhos potencialmente errados ficariam de fora dessa análise. Outra estratégia é a de utilizar técnicas tradicionais de programação, porém, seria necessário entender todos os padrões dos dados para se criar um programa para lidar com todos eles. Como o problema proposto não é trivial isso seria inviável. Tendo isso em mente, este trabalho se propôs a utilizar técnicas de aprendizado de máquina nesse processo de fiscalização, que têm a capacidade de entender padrões complexos presentes nos dados. Com isso, foi possível alcançar uma taxa de acerto de 90% segundo a métrica de avaliação Micro F1. Além disso, um objetivo secundário deste trabalho é fornecer a iniciantes dessa área de estudos um guia, apresentando os passos a serem seguidos para a execução de um projeto de aprendizado de máquina e, em complemento a isso, aplicar esses passos em um problema real, através dos dados fornecidos pelo Tribunal de Contas do Estado de Goiás (TCE-GO).pt_BR
dc.description.provenanceSubmitted by Matheus Rocha Piacenti (matheus.piacenti@ifg.edu.br) on 2022-04-27T16:35:59Z No. of bitstreams: 1 TCC_Thauan.pdf: 2895860 bytes, checksum: d24fa2111bed90e01fe0f3a573421896 (MD5)en
dc.description.provenanceApproved for entry into archive by Matheus Rocha Piacenti (matheus.piacenti@ifg.edu.br) on 2022-04-27T16:38:53Z (GMT) No. of bitstreams: 1 TCC_Thauan.pdf: 2895860 bytes, checksum: d24fa2111bed90e01fe0f3a573421896 (MD5)en
dc.description.provenanceMade available in DSpace on 2022-04-27T16:38:53Z (GMT). No. of bitstreams: 1 TCC_Thauan.pdf: 2895860 bytes, checksum: d24fa2111bed90e01fe0f3a573421896 (MD5) Previous issue date: 2021-08-12en
dc.languageporpt_BR
dc.publisherInsitituto Federal de Educação, Ciência e Tecnologia de Goiáspt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentCâmpus Anápolispt_BR
dc.publisher.initialsIFGpt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectAprendizado de máquinapt_BR
dc.subjectClassificaçãopt_BR
dc.subjectFiscalização orçamentáriapt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO, ANÀLISE DE DADOS, COMPATIBILIDADE, MODELOS DE COMPUTAÇÃOpt_BR
dc.titleAutomatizando a fiscalização de gastos públicos por meio da classificação automática de empenhos utilizando aprendizado de máquinapt_BR
dc.title.alternativeAutomating the inspection of public expenditures through automatic classification of commitments using machine learningpt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
Aparece nas coleções:Bacharelado em Ciência da Computação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
TCC_Thauan.pdf2,83 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.