| Élément Dublin Core | Valeur | Langue |
|---|
| dc.contributor.advisor | Cajueiro, Daniel Oliveira | - |
| dc.contributor.author | Silva, Patrick Pantoja da | - |
| dc.date.accessioned | 2020-07-01T20:14:38Z | - |
| dc.date.available | 2020-07-01T20:14:38Z | - |
| dc.date.issued | 2020-07-01 | - |
| dc.date.submitted | 2020-03-06 | - |
| dc.identifier.citation | SILVA,Patrick Pantoja da. Aprendizado de máquina na análise do perfil da inadimplência no Conselho Regional de Enfermagem do Rio Grande do Sul. 2020. 52 f., il. Dissertação (Mestrado em Economia)—Universidade de Brasília, Brasília 2020. | pt_BR |
| dc.identifier.uri | https://repositorio.unb.br/handle/10482/38688 | - |
| dc.description | Dissertação (mestrado)—Universidade de Brasília, Faculdade de Economia, Administração e Contabilidade, Departamento de Economia, Programa de Pós-Graduação em Ciências Econômicas, 2020. | pt_BR |
| dc.description.abstract | Utilizando técnicas de aprendizado de máquina, este estudo busca treinar um algoritmo a
identificar profissionais inadimplentes que possuam maior potencial de sair da inadimplência
utilizando como base para o modelo os padrões encontrados entre profissionais inscritos e ativos no
Conselho de Enfermagem do Rio Grande do Sul que encerraram o ano de 2017 inadimplentes e
durante o ano seguinte saíram da inadimplência. | pt_BR |
| dc.language.iso | Português | pt_BR |
| dc.rights | Acesso Aberto | pt_BR |
| dc.title | Aprendizado de máquina na análise do perfil da inadimplência no Conselho Regional de Enfermagem do Rio Grande do Sul | pt_BR |
| dc.type | Dissertação | pt_BR |
| dc.subject.keyword | Aprendizagem de máquina | pt_BR |
| dc.subject.keyword | Conselho Regional de Enfermagem do Rio Grande do Sul - COREN-RS | pt_BR |
| dc.subject.keyword | Inadimplentes | pt_BR |
| dc.subject.keyword | Perfil da inadimplência | pt_BR |
| dc.rights.license | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data. | pt_BR |
| dc.description.abstract1 | Using machine learning techniques, this work aims to train an algorithm to identify
defaulting professionals who have a greater potential to get out of default, using as a basis for the
model or the standards found among registered and active professionals in the Nursing Council of Rio
Grande do Sul who joined the year 2017 in default and during the year following them to be in default. | pt_BR |
| dc.description.unidade | Faculdade de Economia, Administração, Contabilidade e Gestão de Políticas Públicas (FACE) | pt_BR |
| dc.description.unidade | Departamento de Economia (FACE ECO) | pt_BR |
| dc.description.ppg | Programa de Pós-Graduação em Economia | pt_BR |
| Collection(s) : | Teses, dissertações e produtos pós-doutorado
|
