Data Analytics Prevenção e deteção de Fraude
|
|
- Júlio César Arantes Fagundes
- 5 Há anos
- Visualizações:
Transcrição
1 Data Analytics Prevenção e deteção de Fraude 21
2 Agenda Auditoria Interna e Fraude
3 Agenda Introdução à Fraude Papel da Auditoria Interna Cases Studies Data Analytics Exemplos Reconhecer 3
4 Conceito de Fraude e Triângulo da Fraude Definição de Fraude Quaisquer atos ilegais caracterizados por desonestidade, dissimulação ou quebra de confiança. Estes atos não implicam no uso de ameaça de violência ou de força física. As fraudes são perpetradas por indivíduos e organizações a fim de obter dinheiro, ativos ou serviços; para evitar pagamento ou perda de serviços; ou para garantir vantagem pessoal ou em negócios. 4
5 Árvore da Fraude Corrupção Apropriação indevida de Ativos Fraude no Relato Financeiro Existência e Qualidade do Registo de Informação 5
6 Reconhecer a existência 6
7 Avaliar as Perdas 7
8 Combater 8
9 Agenda Introdução à Fraude Papel da Auditoria Interna Cases Studies Data Analytics Exemplos Abordagem Dinâmica 9
10 Auditoria Interna e Fraude 10
11 Auditoria Interna e Fraude 2120 Gestão de riscos 2120.A2 A atividade de auditoria interna deve avaliar o potencial de ocorrência de fraude e como a organização gere o risco de fraude 2200 Planeamento do Trabalho da Auditoria ( ) O plano deve considerar as estratégias, objetivos e riscos da organização que sejam relevantes para o trabalho. Estatísticas Descritivas 11
12 Auditoria Interna e Fraude Outliers Avaliação de Modelos Clustering 12
13 Auditoria Interna e Fraude 2060 Reporte para a Alta Administração e o Conselho ( ) Os reportes devem também incluir questões de riscos e de controles significativos, incluindo os riscos de fraude, os assuntos de governança e outros assuntos que requerem a atenção da alta administração e/ou do conselho Data Visualization 13
14 Agenda Data Analytics
15 Data Analytics: Porquê? Eficiência Falhas no Sistema de controlo interno Porquê? Cruzamento de informação entre várias fontes de informação Monitorização continua permite controlar a totalidade das transacções Novos sistemas vs. implementação de novos controlos 15
16 Data Analytics Panorama atual Controlos Manuais Controlos Automáticos A crescente implementação de controlos automáticos aumenta a confiança no controlo interno, mas existem opções que podem criar oportunidade de fraude: Controlos mal desenhados Repetitividade e conhecimento adquirido Por outro lado, a implementação de controlos automáticos possibilita: Registo da totalidade das transações Análise de informação estruturada 16
17 Controlo Interno vs. Data Analytics Panorama atual Controlos Manuais Controlos Automáticos A crescente implementação de controlos automáticos aumenta a confiança no controlo interno, mas: Controlos mal desenhados Repetitividade Conhecimento adquirido Registo da totalidade das transações Registo de logs Análise de informação estruturada 17
18 Qual é o objetivo? 18
19 Data Analytics - Processo Identificar sistemas de origem e características dos dados a extrair. Pedido formal de extracção de dados. Tradução das regras de teste em técnicas de análise. Identificação de tendências, anomalias e falhas de controlo. Análise crítica, investigação e root-cause analysis. Definição do teste Identificação e extração dos dados Análise à Qualidade de Dados Análise de Dados Reporte e Monitorização Definição dos indicadores de fraude que se pretendem analisar com base na experiência e regras de negócio. Conversão, relação e «limpeza» de dados. Importação para software de análise de dados. Relatório focado no negócio e perceptível por todas as partes envolvidas.. Re-execução dos testes com base periódica. 19
20 Definição dos testes Testes standard Conhecimento, experiência e regras de negócio Histórico de casos de fraude Fácil implementação Testes ad-hoc Endereçam riscos específicos Cruzamento de informação entre fontes e sistemas Investigação de situações 20
21 Modelos de Análise Statistic-based Cálculo de parâmtros estatísticos e identificação de outliers ou valores que excedam desvio padrão. Identificação de mínimos e máximos. Identificação de anomalias. Agrupamento e classificação da informação. (e.g. Distribuição de valores, Sistema de origem, utilizador, região, entre outros) Utilização de algoritmos estatísticos (e.g. Benford Law) Knowledge-based Utilização de técnicas de data mining, reconhecimento de padrões, inteligência artificial, machine learning, redes bayesianas (causais) 21
22 Técnicas de Análise Deteção de anomalias Se algo não parece bem, provavelmente não está bem. Deteção de anomalias estatísticas ou com base em regras de negócio. Identificação de atividades não usuais ou picos de transações. Modelação preditiva Conhecimento de negócio aliado a dados que comprovam o conecimento permitem modelar comportamentos e identificar aqueles que fogem ao previsto. Identificação de comportamentos não padronizados e/ou não usuais. 22
23 Técnicas de Análise Inteligência artificial Aprendizagem efetuada com base em dados históricos e algoritmos de inteligência artificial. Simulação Através do conhecimento obtido através dos dados é possível similar comportamentos e calcular impactos para situações hipotéticas. 23
24 Ferramentas de Análise Soluções Customizadas Linguagens de programação de scripting (Julia, R, Python, ) Ferramentas de seleção e extracção de bases de dados (MySQL, SQL, Oracle, ) Construção de reporting/front-end 24
25 Análise Contínua Grande vantagem da análise de dados Ganho de eficiência Implementação de processos contínuos com notificações dinâmicas. Identificação de situações suspeitas em real-time Deteção de fragilidades e prevenção de eventos de fraude futuros 25
26 Agenda Introdução à Fraude Papel da Auditoria Interna Cases Studies Data Analytics Exemplos Exemplo 26
27 Exemplo 27
28 Exemplo Modus operandi Realização de despesas legítimas Pedidos de reembolso duplicados Impacto Período temporal: entre 2012 e 2016 Número de transações: 29 Total de transações: 132,000 O que poderíamos ter feito? 28
29 Outras questões? Pedro Santinhos Manager José Teixeira Manager All rights reserved.
Dedicados em exclusivo à área analítica desde 1994, somos o parceiro ideal para a realização de projetos de análise de dados.
Dedicados em exclusivo à área analítica desde 1994, somos o parceiro ideal para a realização de projetos de análise de dados. Os serviços Data Mining Services têm como objetivo disponibilizar às organizações
Leia maisPentaho IoT Analytics Open Source Trilha IoT
Pentaho IoT Analytics Open Source Trilha IoT Marcio Junior Vieira CEO & Data Scientist, Ambiente Livre Marcio Junior Vieira Mini-cv 18 anos de experiência em informática, vivência em desenvolvimento e
Leia maisESPECIALIZAÇÃO A DISTÂNCIA EM. Ciência de Dados e Big Data Aplicada à Administração Tributária. Área de conhecimento: Tecnologia da Informação
ESPECIALIZAÇÃO A DISTÂNCIA EM Ciência de Dados e Big Data Aplicada à Administração Tributária Área de conhecimento: Tecnologia da Informação PUC MINAS VIRTUAL CORPO DOCENTE Raphael Rodrigues Campos (Mestre)
Leia maisSAS FORUM PORTUGAL Bem Vindos
SAS FORUM PORTUGAL 2016 Bem Vindos Combate e Prevenção à Fraude Online em Tempo Real Carla Miranda Business Solution Specialist SAS Portugal C opyr i g ht 2015, SAS Ins titut e Inc. All rights res er ve
Leia maisConceito e desenho da solução. Pedro Póvoa AdP/EPAL
Conceito e desenho da solução Pedro Póvoa AdP/EPAL Índice 1 Desafios 2 Conceito 3 Solução 4 Resultados esperados Desafio operacional Nexus Água Energia Inovação nas estratégias de operação em tempo real:
Leia maisO que é preciso para ser Cientista de Dados?
O que é preciso para ser Cientista de Dados? Cássio Socal Cervo Administração de Empresas - PUCRS Ciências Contábeis - PUCRS MBA Gerenciamento de Projetos - FGV/Decision MBA Big Data e Analytics - FGVSP
Leia maisRobotic Process Automation (RPA)
Robotic Process Automation (RPA) Fórum do Instituto Português de Auditoria Interna 21 de Junho, 2018 Página 1 Agenda 1 2 RPA o que é, e o que esperar? Apresentação de caso - Galp Energia Página 2 Robotic
Leia maisANÁLISE DE BIG DATA E INTELIGÊNCIA ARTIFICIAL PARA A ÁREA MÉDICA
CURTA DURAÇÃO ANÁLISE DE BIG DATA E INTELIGÊNCIA ARTIFICIAL PARA A ÁREA MÉDICA CARGA HORÁRIA: 80 horas COORDENAÇÃO: Prof.ª Dr.ª Alessandra de Ávila Montini OBJETIVOS Introduzir o conceito de Big Data,
Leia maisRoteiro. PCC142 / BCC444 - Mineração de Dados. Cenário
Roteiro PCC142 / BCC444 - Mineração de Luiz Henrique de Campos Merschmann Departamento de Computação Universidade Federal de Ouro Preto luizhenrique@iceb.ufop.br www.decom.ufop.br/luiz Introdução Tarefas
Leia mais10 FORMAS ESTATÍSTICA MODELAGEM PARA USAR
10 FORMAS PARA USAR MODELAGEM ESTATÍSTICA Introdução Conheça um pouco mais sobre algumas modelagens estatísticas e como você pode implantar dentro da sua organização A análise preditiva é capaz de descobrir
Leia maisPrevenção de Branqueamento de Capitais e Financiamento do Terrorismo. Aviso de Banco de Portugal nº 5/2013
Prevenção de Branqueamento de Capitais e Financiamento do Terrorismo Aviso de Banco de Portugal nº 5/2013 Agenda Enquadramento Aviso nº 5/2015 Solução Agenda Enquadramento Aviso nº 5/2015 Solução Branqueamento
Leia maisevalyze
evalyze www.closer.pt Dê mais inteligência às suas operações Evalyze é uma plataforma de gestão de operações que recorre a algoritmos de Inteligência Artificial para automatizar e otimizar a distribuição,
Leia maisAprendizagem de Máquina. Prof. Júlio Cesar Nievola PPGIA - PUCPR
Aprendizagem de Máquina Prof. Júlio Cesar Nievola PPGIA - PUCPR Introdução Justificativa Recente progresso em algoritmos e teoria Disponibilidade crescente de dados online Poder computacional disponível
Leia maisSistemas de Informação Campus de Três Lagoas
Resultados da Autoavaliação Institucional - 1º/2018 Sistemas de Informação Campus de Três Lagoas UFMS CPTL TODOS OS CURSOS (PERCEPÇÃO GERAL) Coordenações de Curso Meta-Avaliação Disciplinas Desempenho
Leia maisPROCESSAMENTO DE TEXTO
PROCESSAMENTO DE TEXTO (TEXT MINING) Jorge Teixeira IART 2014/2015 SAPO LABS ( http://labs.sapo.pt ) AGENDA (Enquadramento na UC de Inteligência Artificial - IART) Parte 1: Introdução à Linguagem Natural
Leia maisRELATÓRIO DE EXECUÇÃO 2018 PLANO DE PREVENÇÃO DE RISCOS DE GESTÃO, INCLUINDO OS DE CORRUPÇÃO
RELATÓRIO DE EXECUÇÃO 2018 PLANO DE PREVENÇÃO DE RISCOS DE GESTÃO, INCLUINDO OS DE CORRUPÇÃO Elaborado: Serviço de Auditoria Interna Data: 17.12.2018 Aprovado: Conselho de Administração Aprovado na reunião
Leia maisAgenda. Conceitos Iniciais. Modelos de aprendizado. Oportunidades e casos de uso. Ferramentas. Desafios
Machine Learning Agenda Conceitos Iniciais Modelos de aprendizado Oportunidades e casos de uso Ferramentas Desafios Ronald Bertele Bacharelado em Ciências da Computação - UCS MBA em Gestão de Negócios
Leia maisIntrodução a Ciência de Dados Com Linguagem R
Introdução a Ciência de Dados Com Linguagem R Luis Paulo da Silva Carvalho luispscarvalho@gmail.com Adaptado de Material disponibilizado no SlideShare por Diego Cardoso Alves diegocardalves@gmail.com https://pt.slideshare.net/cardoso80/palestra-cincia-de-dados
Leia maisPlano de Estudos. Escola: Instituto de Investigação e Formação Avançada Grau: Programa de Doutoramento Curso: Informática (cód.
Plano de Estudos Escola: Instituto de Investigação e Formação Avançada Grau: Programa de Doutoramento Curso: Informática (cód. 264) 1. o Ano - 1. o Semestre INF9258D Iniciação à Investigação Informática
Leia maisGovernança e Big Data. Celso Poderoso
Governança e Big Data Celso Poderoso cpoderoso@microstrategy.com Celso Poderoso Formação Acadêmica: Economista Especialista em Sistemas de Informação Mestre em Tecnologia (Grid Computing/Cloud Computing)
Leia maisBIG DATA,DATA SCIENCE e ANALYTICS aplicados ao MARKETING MANUAL DO CURSO ESPM. Rua Joaquim Távora, 1240 Vila Mariana São Paulo/SP.
BIG DATA,DATA SCIENCE e ANALYTICS aplicados ao MARKETING MANUAL DO CURSO ESPM Rua Joaquim Távora, 1240 Vila Mariana São Paulo/SP Informações Central de Relacionamento: (11) 5081-8200 (opção 1) Segunda
Leia maisMBA ANALYTICS EM BIG DATA
MBA ANALYTICS EM BIG DATA OBJETIVOS Este curso tem como objetivo principal apresentar de forma clara, objetiva e com aplicações reais como as metodologias de Big Data, Inteligência Artificial e Computação
Leia maisevalyze
evalyze www.closer.pt Dê mais inteligência às suas operações Evalyze é uma plataforma de gerenciamento de operações que recorre a algoritmos de Inteligência Artificial para automatizar e otimizar a distribuição,
Leia maisBIG DATA,DATA SCIENCE e ANALYTICS aplicados ao MARKETING MANUAL DO CURSO ESPM. Rua Joaquim Távora, 1240 Vila Mariana São Paulo/SP.
BIG DATA,DATA SCIENCE e ANALYTICS aplicados ao MARKETING MANUAL DO CURSO ESPM Rua Joaquim Távora, 1240 Vila Mariana São Paulo/SP Informações Central de Relacionamento: (11) 5081-8200 (opção 1) Segunda
Leia maisEAD-0750 INTELIGÊNCIA DE NEGÓCIOS. Prof. Sérgio Luiz de Oliveira Assis
H3 EAD-0750 INTELIGÊNCIA DE NEGÓCIOS Prof. Sérgio Luiz de Oliveira Assis sergioassis@usp.br 07 Agenda 1. Visão Geral do Processo ETL 2. Características da área staging 3. A fase 1 do ETL Carga do DW 4.
Leia maisCC-226 Introdução à Análise de Padrões
CC-226 Introdução à Análise de Padrões Apresentação do Curso Carlos Henrique Q. Forster 1 1 Divisão de Ciência da Computação Instituto Tecnológico de Aeronáutica 25 de fevereiro de 2008 C. H. Q. Forster
Leia maisTécnico em Informática. Banco de Dados. Profª Ana Paula Mandelli
Técnico em Informática Banco de Dados Profª Ana Paula Mandelli Banco de Dados (BD) Existem vários tipos de banco de dados e eles estão presentes na nossa vida há muito tempo. Lista Telefônica Cadastro
Leia maisIntrodução aos Sistemas Integrados de Gestão de Bibliotecas
Introdução aos Sistemas Integrados de Gestão de Bibliotecas (Integrated Library Systems ILS) (Library Management Systems LMS) O Que São Sistemas de Gestão de Bibliotecas? 1 Racional Percebendo a importância
Leia maisGarantia de qualidade do software. Aula 8
Garantia de qualidade do software Aula 8 Sumário Introdução O quê é? Quem faz? Porquê é importante? Qual é o produto? Como saber se está bem feita? Conceitos Revisões Garantia da qualidade Fiabilidade
Leia maisedsoncs@gmail.com www.linkedin.com/in/edsonhu Agenda Banco de Dados Relacional Modelo Descritivo Modelo Conceitual Modelo Lógico Arquitetura Cliente/Servidor Componentes SQL Server Management Studio (SSMS)
Leia maisPÓS-GRADUAÇÃO ANÁLISE DE DATA MINING
PÓS-GRADUAÇÃO ANÁLISE DE DATA MINING OBJETIVOS Na era da informação, as empresas capturam e armazenam muitos dados, e existe a real necessidade da aplicação de técnicas adequadas para a rápida tomada de
Leia maisIntrodução ao Data Mining. Sumário
Introdução ao Data Mining Instituto Nacional de Estatística 20-24 de Abril de 2009 Módulo 1 - Data Warehousing e Data Mining - André Falcão (afalcao@di.fc.ul.pt) Graça Gaspar (gg@di.fc.ul.pt) Sumário Data-mining
Leia maisPÓS-GRADUAÇÃO ANÁLISE DE BIG DATA
PÓS-GRADUAÇÃO ANÁLISE DE BIG DATA OBJETIVOS Este curso tem como objetivo principal apresentar de forma clara, objetiva e com aplicações reais como as metodologias de Big Data, Inteligência Artificial e
Leia maisDesafios na modelação do fluxo de estudantes no sistema de ensino Português
Desafios na modelação do fluxo de estudantes no sistema de ensino Português Luís Correia, Luís Cavique, Ana Paula Cláudio, Beatriz Carmo, Hugo Martiniano, Helena Aidos, Sara Madeira Fórum Estatístico 14
Leia maisWorkflow. 8/28/2003 José Alves Marques. Definição
Workflow Definição Automatização de processos ou de percursos de trabalho nos quais são passados documentos, informação ou tarefas segundo determinadas regras ou procedimentos de um participante para outro.
Leia maisSistema Gestor de Bancos de Dados (SGBD)
Sistema Gestor de Bancos de Dados (SGBD) Conceitos Gerais Prof. Guilherme Tomaschewski Netto guilherme.netto@gmail.com Roteiro! Contextualização! Apresentação, um pouco de história Legendas! Nesta apresentação
Leia maisResultados do Inquérito sobre o Desenvolvimento FinTech. Maria João Teixeira CMVM 3 outubro 2018
Resultados do Inquérito sobre o Desenvolvimento FinTech Maria João Teixeira CMVM 3 outubro 2018 AGENDA Introdução Soluções tecnológicas Principais resultados Síntese INTRODUÇÃO O Inquérito Objetivos Caracterizar
Leia maisBI NA CÂMARA MUNICIPAL DE LISBOA DOS INDICADORES URBANOS À ANALÍTICA DE CIDADE 17 OUTUBRO 2017
BI NA CÂMARA MUNICIPAL DE LISBOA DOS INDICADORES URBANOS À ANALÍTICA DE CIDADE 17 OUTUBRO 2017 CONTEÚDO 1. Enquadramento 2. Historial do BI na CML/Urbanismo: os primeiros 15 anos 1. Soluções 2. Utilização
Leia maisAuditorias realizadas em Portugal pelo Tribunal de Contas Europeu com a colaboração do Tribunal de Contas de Portugal
Apresentação do Relatório Anual do Tribunal de Contas Europeu, relativo ao exercício de 2015 Auditorias realizadas em Portugal pelo Tribunal de Contas Europeu com a colaboração do Tribunal de Contas de
Leia maisAula 02. Evandro Deliberal
Aula 02 Evandro Deliberal evandro@deljoe.com.br https://www.linkedin.com/in/evandrodeliberal Data Warehouse; Ambiente de Data Warehouse; Processos e ferramentas envolvidas; Arquiteturas de DW; Granularidade;
Leia maisevalyze
evalyze www.closer.pt Dê mais inteligência às suas operações Evalyze é uma plataforma de gerenciamento de operações que recorre a algoritmos de Inteligência Artificial para automatizar e otimizar a distribuição,
Leia maisProjeto em Sistemas de Informação. Unidade IV Projeto do Software. Luiz Leão
Projeto em Sistemas de Informação Luiz Leão luizleao@gmail.com http://www.luizleao.com Conteúdo Programático Projeto de Interfaces Diagrama de Sequência Diagrama de Estados Diagrama de Atividades Escolha
Leia maisBig Data. Transformando a gestão de dados a favor do negócio. Estevão Lazanha
Big Data Transformando a gestão de dados a favor do negócio Estevão Lazanha Itaú alguns números 63 a maior empresa do mundo (fonte: Forbes) 4,062 agências e PABs 24,597 caixas eletrônicos no Brasil US$
Leia maisP a l e s t r a. Auditoria financeira no contexto dos padrões internacionais
P a l e s t r a Auditoria financeira no contexto dos padrões internacionais AGENDA 1 2 3 4 A importância da auditoria Responsabilidade em relação a fraudes Governança da entidade auditada Evolução da auditoria
Leia maisDescoberta de Conhecimento em Bancos de Dados - KDD
Descoberta de Conhecimento em Bancos de Dados - KDD Professor: Rosalvo Ferreira de Oliveira Neto Disciplina: Inteligência Artificial Tópicos 1. Definições 2. Fases do processo 3. Exemplo do DMC 4. Avaliação
Leia maisAprendizagem de Máquina - 2. Prof. Júlio Cesar Nievola PPGIa - PUCPR
Aprendizagem de Máquina - 2 Prof. Júlio Cesar Nievola PPGIa - PUCPR Inteligência versus Aprendizado Aprendizado é a chave da superioridade da Inteligência Humana Para que uma máquina tenha Comportamento
Leia maisVÁ ALÉM DO BI TRADICIONAL ADICIONANDO PODER ANALÍTICO... MARIANA FONTANEZI ESTATÍSTICA
Business Inteligence & Analytics VÁ ALÉM DO BI TRADICIONAL ADICIONANDO PODER ANALÍTICO... MARIANA FONTANEZI ESTATÍSTICA Apresentação Agenda O Big Data O ciclo analítico Técnicas de Data Mining Técnicas
Leia maisInteligência Artificial
Universidade Federal de Campina Grande Departamento de Sistemas e Computação Pós-Graduação em Ciência da Computação Inteligência Artificial Aprendizagem Outras Técnicas Prof. a Joseana Macêdo Fechine Régis
Leia maisSGI. Solução. Sumário
Soluções Solução Sumário Conheça a Make it Solução Make SGI Objetivos Vantagens Características Módulos Make SGI Telas do Sistema Licenciamento e Implementação Mais soluções Make it Nossos clientes SGI
Leia maisPolítica de Tratamento de Incidentes de Segurança da Informação da UFRGS
Política de Tratamento de Incidentes de Segurança da Informação da UFRGS Versão 1.0 29/03/2017 1. Introdução 2. Glossário 3. Objetivos 4. Escopo 5. Responsabilidades 6. Procedimentos 7. Considerações finais
Leia maisAprendizagem de Máquina
Aprendizagem de Máquina Apresentação da Disciplina Alessandro L. Koerich 2008 Mestrado e Doutorado em Informática Pontifícia Universidade Católica do Paraná (PUCPR) Mestrado/Doutorado em Informática Aprendizagem
Leia maisDESCOBERTA DO CONHECIMENTO COM O USO DE TEXT MINING APLICADA AO SAC TEXT MINING. Aluno José Lino Uber. Orientador Paulo Roberto Dias
DESCOBERTA DO CONHECIMENTO COM O USO DE TEXT MINING APLICADA AO SAC TEXT MINING Aluno José Lino Uber Orientador Paulo Roberto Dias Dezembro/2004 Roteiro Introdução Objetivo Conceitos Motivação / Tipos
Leia maisInteração do Guarda do Futuro na IoT AFCEA 18FEV16
Interação do Guarda do Futuro na IoT AFCEA 18FEV16 Resumo - Pilares da Segurança Interna - Requisitos Funcionais - Melhorias Expectáveis Pilares da Segurança Interna Prevenção criminal Reposição e Manutenção
Leia maisMinicurso: Inteligência Artificial Aplicada a Sistemas Elétricos
Minicurso: Inteligência Artificial Aplicada a Sistemas Elétricos Introdução a Machine Learning: Teoria, Aplicações e IA na Arquitetura Intel Vitor Hugo Ferreira, DSc - UFF Flávio Mello, DSc UFRJ e Ai2Biz
Leia maisCompliance Management System 4.0
Compliance Management System 4.0 Edição: Setembro de 207 Corporate Compliance Office Klöckner & Co SE 207, all rights reserved Agenda. 2. Compliance Organisation 3. Procedimento de geração de relatórios
Leia maisKDD E MINERAÇÃO DE DADOS
KDD E MINERAÇÃO DE DADOS O Processo de KDD: Visão Geral Prof. Ronaldo R. Goldschmidt ronaldo@de9.ime.eb.br rribeiro@univercidade.br geocities.yahoo.com.br/ronaldo_goldschmidt CARACTERIZAÇÃO ÁREAS DE ORIGEM
Leia maisProfissinais que desejam adquirir ou aprimorar seus conhecimentos em modelagem de dados, analytics e estatística aplicada
MBA ANALYTICS OBJETIVOS Na era da informação, as empresas capturam e armazenam muitos dados, e existe a real necessidade da aplicação de técnicas adequadas para a rápida tomada de decisão com base nas
Leia maisFICHA TÉCNICA GESTWARE STOCKS
FICHA TÉCNICA GESTWARE STOCKS Todos os dados relativos aos Stocks podem ser obtidos autonomamente ou por integração automática a partir do Gestware Vendas e Compras. Destacamos aqui algumas das suas principais
Leia maisCURSO DE GESTÃO DE ENERGIA NA INDÚSTRIA. Tema: Manutenção Industrial Formador: João de Jesus Ferreira
Tema: Manutenção Industrial Formador: João de Jesus Ferreira Miranda do Corvo, Junho de 2006 ÍNDICE: 1. Introdução ao tema da Gestão da Energia e da Gestão da Manutenção. 2. Conceitos sobre a metodologia
Leia maisClassificação de Padrões. Abordagem prática com Redes Neurais Artificiais
Classificação de Padrões Abordagem prática com Redes Neurais Artificiais Agenda Parte I - Introdução ao aprendizado de máquina Parte II - Teoria RNA Parte III - Prática RNA Parte IV - Lições aprendidas
Leia maisComo optimizar o Controlo Interno?
www.pwcacademy.pt Como optimizar o Controlo Interno? 20, 27 de Junho e 4 de Julho de 2012 Um programa de qualidade com a intervenção de especialistas de referência justificam a sua adesão a este novo curso
Leia mais3ª Conferência Internet, Negócio e Redes Sociais Confiança e Compromisso nos Canais Digitais
3ª Conferência Internet, Negócio e Redes Sociais Confiança e Compromisso nos Canais Digitais 29 de setembro de 2014 Auditório da BMAG Apoio Patrocinadores Globais APDSI Smart Cities & Redes Sociais 3ª
Leia maisSOLUÇÃO DEEP LEARNING INTELIGÊNCIA ARTIFICAL
SOLUÇÃO DEEP LEARNING INTELIGÊNCIA ARTIFICAL TECNOLOGIA DEEP LEARNING Nesta era de Tecnologia de Dados de Vigilância (SDT) em crescente expansão, a inteligência artificial se tornará a base do setor de
Leia maisGestão de Frotas. Paulo Jesus Santos Sales Manager - Tecmic
Gestão de Frotas Paulo Jesus Santos Sales Manager - Tecmic Tecmic Soluções Inteligentes Oferta Tecmic XTraN D Principais Objectivos: Gestão da Frota (Kms, consumos, localização em tempo-real) Gestão das
Leia maisCICLO: O CONTROLO DE GESTãO - 4REAL Modelos e métodos para a gestão, controlo de performance e análise quantitativa
CICLO: O CONTROLO DE GESTãO - 4REAL Modelos e métodos para a gestão, controlo de performance e análise quantitativa Duração: 4 dias Tipologia: Blended Blended Para quem?: Diretores e técnicos do controlo
Leia maisAPLICAÇÕES DE ESTATÍSTICA PARA TOMADA DE DECISÃO
CURTA DURAÇÃO APLICAÇÕES DE ESTATÍSTICA PARA TOMADA DE DECISÃO CARGA HORÁRIA: 92 horas COORDENAÇÃO: Prof.ª Dr.ª Alessandra de Ávila Montini OBJETIVOS O curso tem como objetivo apresentar algumas técnicas
Leia maisdigital data analytics workshop
workshop Porto SOBRE O WORKSHOP A componente de analytics é cada vez mais valorizada no ambiente de trabalho. A capacidade de processar dados e extrair conhecimento para suporte à tomada de decisão é hoje
Leia maisAS VANTAGENS DO SOFTWARE DE GESTÃO DA MANUTENÇÃO PARA A INDÚSTIRA AGROALIMENTAR
AS VANTAGENS DO SOFTWARE DE GESTÃO DA MANUTENÇÃO PARA A INDÚSTIRA AGROALIMENTAR Uma proposta de valor da solução de gestão da manutenção Valuekeep para a indústria agroalimentar. NUM SETOR COM UM GRAU
Leia maisFicha de Unidade Curricular (FUC) de Tecnologias de Informação para Auditoria
INSTITUTO POLITÉCNICO DE COIMBRA INSTITUTO SUPERIOR DE CONTABILIDADE E ADMINISTRAÇÂO DE COIMBRA Aprovação do Conselho Pedagógico 20/4/2018 Aprovação do Conselho Técnico-Científico 22/5/2018 Ficha de Unidade
Leia maisIntrodução 20 Diagramas de fluxos de dados 20 O processo de elaboração de DFD 22 Regras práticas para a elaboração de DFD 24 Dicionário de dados 26
ÍNDICE MÓDULO 1 ANÁLISE DE SISTEMAS 9 1.1 SISTEMAS DE INFORMAÇÃO 10 Sistema conceito e exemplos 10 Dados e informação 11 Sistema de informação conceito e componentes 12 Sistema de informação e sistemas
Leia maisOi, Ficou curioso? Então conheça nosso universo.
Oi, Somos do curso de Sistemas de Informação da Universidade Franciscana, e esse ebook é um produto exclusivo criado pra você. Nele, você pode ter um gostinho de como é uma das primeiras aulas do seu futuro
Leia maisDOCUMENTO DE ADEQUAÇÃO MESTRADO EM ENGENHARIA INFORMÁTICA FACULDADE DE CIÊNCIAS E TECNOLOGIA UNIVERSIDADE NOVA DE LISBOA PEÇA B
DOCUMENTO DE ADEQUAÇÃO DO MESTRADO EM ENGENHARIA INFORMÁTICA FACULDADE DE CIÊNCIAS E TECNOLOGIA UNIVERSIDADE NOVA DE LISBOA (ESTRUTURA CURRICULAR E PLANO DE ESTUDOS) B2 FORMULÁRIO 1. Estabelecimento de
Leia maisMineração de Dados para Detecção de Padrões de Mudança de Cobertura da Terra. Padrões e processos em Dinâmica de uso e Cobertura da Terra
Mineração de Dados para Detecção de Padrões de Mudança de Cobertura da Terra Padrões e processos em Dinâmica de uso e Cobertura da Terra Introdução 1 2 3 4 Capacidade de Armazenamento X Análise e Interpretação
Leia maisANÁLISE DE BIG DATA VIA MACHINE LEARNING E INTELIGÊNCIA ARTIFICIAL
CURTA DURAÇÃO ANÁLISE DE BIG DATA VIA MACHINE LEARNING E INTELIGÊNCIA ARTIFICIAL CARGA HORÁRIA: 76 horas COORDENAÇÃO: Prof.ª Dr.ª Alessandra de Ávila Montini OBJETIVOS Introduzir o conceito de Big Data,
Leia maisÉ assim, essencial para as empresas controlarem e gerirem os seus consumos.
A eletricidade, gás, água e outros tipos de consumos são elementos fundamentais para o funcionamento da generalidade das empresas e que poderão ter um peso bastante relevante nos seus custos. É assim,
Leia maisRedes Neurais e Sistemas Fuzzy
1. Inteligência Computacional Redes Neurais e Sistemas Fuzzy Apresentação da disciplina Conceitos básicos A chamada Inteligência Computacional (IC) reúne uma série de abordagens e técnicas que tentam modelar
Leia maisBruna Fernandes Carlos Carvalho Inês Moreira Francisca Arantes. Smart Grids
Bruna Fernandes Carlos Carvalho Inês Moreira Francisca Arantes Agenda Componentes da Princípios da Impacto da Evolução da e das no atual paradigma das redes elétricas Atual paradigma das redes elétricas
Leia maisFundamentos da Inteligência de Negócios: Gerenciamento da Informação e de Bancos de Dados by Prentice Hall
Fundamentos da Inteligência de Negócios: Gerenciamento da Informação e de Bancos de Dados 5.1 2007 by Prentice Hall A Abordagem de Banco de Dados para Gerenciamento de Dados Banco de dados: conjunto de
Leia maisAprendizado de Máquina (Machine Learning)
Ciência da Computação (Machine Learning) Aula 01 Motivação, áreas de aplicação e fundamentos Max Pereira Nem todo conhecimento tem o mesmo valor. O que torna determinado conhecimento mais importante que
Leia maisCURTA DURAÇÃO ANÁLISE DE BIG DATA. CARGA HORÁRIA: 80 horas COORDENAÇÃO: Prof. Dr. Adolpho Pimazoni Canton Prof.ª Drª Alessandra de Ávila Montini
CURTA DURAÇÃO ANÁLISE DE BIG DATA CARGA HORÁRIA: 80 horas COORDENAÇÃO: Prof. Dr. Adolpho Pimazoni Canton Prof.ª Drª Alessandra de Ávila Montini OBJETIVO O volume crescente de informação disponível nas
Leia maisA auditoria a serviço do interesse público
Palestra Agosto de 2017 A auditoria a serviço do interesse público Aspectos relevantes do trabalho do auditor independente AGENDA 1 2 3 4 A importância da auditoria Responsabilidade em relação a fraudes
Leia maisTECNOLOGIAS DA INFORMAÇÃO E COMUNICAÇÃO SISTEMAS DE GESTÃO DE BASE DE DADOS CONCEITOS BÁSICOS
TECNOLOGIAS DA INFORMAÇÃO E COMUNICAÇÃO CONCEITOS BÁSICOS Necessidade das base de dados Permite guardar dados dos mais variados tipos; Permite um rápido e fácil acesso aos dados; Acelera os processos de
Leia maisMineração de Dados e Aprendizado de Máquinas. Rodrigo Leite Durães.
Mineração de Dados e Aprendizado de Máquinas. Rodrigo Leite Durães. O que é mineração de dados Mineração de Dados é um passo no processo de KDD que consiste na aplicação de análise de dados e algoritmos
Leia maisFACULDADE CAMPO LIMPO PAULISTA (FACCAMP) COORDENADORIA DE EXTENSÃO E PESQUISA CURSO DE PÓS-GRADUAÇÃO LATO SENSU EM MINERAÇÃO E CIÊNCIA DOS DADOS
FACULDADE CAMPO LIMPO PAULISTA (FACCAMP) COORDENADORIA DE EXTENSÃO E PESQUISA CURSO DE PÓS-GRADUAÇÃO LATO SENSU EM MINERAÇÃO E CIÊNCIA DOS DADOS PROJETO PEDAGÓGICO CAMPO LIMPO PAULISTA 2015 1. Público
Leia maisMaterial Complementar - BI. Grinaldo Lopes de Oliveira Curso Superior de Tecnologia em Análise e Desenvolvimento de Sistemas
Material Complementar - BI Grinaldo Lopes de Oliveira (grinaldo@gmail.com) Curso Superior de Tecnologia em Análise e Desenvolvimento de Sistemas Business Intelligence - Conceito Coleta de dados a partir
Leia maisCURSO DE CIÊNCIA DA COMPUTAÇÃO MATRIZ CURRICULAR CURRÍCULO PLENO SEMESTRALIZADO 10 SEMESTRES
CURSO DE CIÊNCIA DA COMPUTAÇÃO MATRIZ CURRICULAR CURRÍCULO PLENO SEMESTRALIZADO 10 SEMESTRES Situação Legal: Reconhecido Integralização: Mínimo 5 anos / Máximo 8 anos Carga Horária: 2.820h (188 créditos)
Leia maisDATA MINING. Sistemas Financeiros. MIEGI (1º ano) Projeto FEUP Turma 5 - Grupo 3
DATA MINING Sistemas Financeiros MIEGI (1º ano) Projeto FEUP Turma 5 - Grupo 3 Inês Leite Oliveira Sara Raquel Bico Correia Rodrigo Maria Pereira Mendes Pinto Nina Maria Dias Martins Dos Santos Nunes 1
Leia maisFraudes Contábeis e Responsabilidade do Auditor
Fraudes Contábeis e Responsabilidade do Auditor Denise Gruthner Nº USP 9380338 Juliana Ferreira Nº USP 9320942 Stephany Izelli Nº USP 9252508 Tamires Santana Nº USP 9403520 Agenda Definições O que é a
Leia maisAfluências Indevidas. Experiência dos SIMAR de Loures e Odivelas
Afluências Indevidas Experiência dos SIMAR de Loures e Odivelas Serviços Intermunicipalizados de Loures e Odivelas Dois Concelhos, uma só missão Lisboa - Fábrica de Água de Alcântara - 26 de Setembro de
Leia maisPLATAFORMA ALMA FORCE
Uma Solução: Introdução PLATAFORMA ALMA FORCE A Plataforma AlmaForce, foi inicialmente desenvolvida com características específicas de um ERP Sales Force, projetado para apoiar a ação comercial. Com o
Leia maisPlataforma de Monitorização Contínua. ViGIE 2.6
Plataforma de Monitorização Contínua ViGIE 2.6 A ViGIE Solutions é uma empresa portuguesa que desenvolve soluções inovadoras para a Gestão de Instalações. Todas as soluções são facilmente acessíveis a
Leia maisTime Series Trend Detection and Forecasting Using Complex Network Topology Analysis
WAIAF 2018 Time Series Trend Detection and Forecasting Using Complex Network Topology Analysis Leandro Anghinoni Universidade de São Paulo DCM/RP Liang Zhao Universidade de São Paulo DCM/RP AGENDA Introdução
Leia maisSistema de avaliação da qualidade dos serviços de águas e resíduos prestados aos utilizadores
Sistema de avaliação da qualidade dos serviços de águas e resíduos prestados aos utilizadores Seminário de apresentação da 2.ª geração do sistema de indicadores Adequação da interface com o utilizador
Leia maisServiços em Cloud Públicos de SaaS Oracle D O C U M E N T A Ç Ã O P I L L A R J U L H O D E
Serviços em Cloud Públicos de SaaS Oracle D O C U M E N T A Ç Ã O P I L L A R J U L H O D E 2 0 1 6 Índice Âmbito 1 Política de Objectivos de Nível de Serviço em Cloud Oracle 1 Secção de H&D: Meta de Nível
Leia maisAuditoria e Prevenção de Fraudes. Renato Chaves
Auditoria e Prevenção de Fraudes Renato Chaves FRAUDE E ERRO Fraude o termo fraude aplica-se a atos voluntários de omissão e manipulação de transações e operações, adulteração de documentos, registros,
Leia maisGovernança para redução de riscos de distorção relevante nas demonstrações contábeis José Francisco Compagno Sócio Lider FIDS
Governança para redução de riscos de distorção relevante nas demonstrações contábeis José Francisco Compagno Sócio Lider FIDS Visão geral de soluções que as empresas adotaram para evitar riscos de distorção
Leia maisFundamentos de Fundamentos de Sistemas de Geometria Analítica. Comunicação e Expressão I
4.7.2 Representação Gráfica do Perfil de Formação Quadro I dos núcleos de formação do Curso de Sistemas de Informação para ingressantes a partir do 2º semestre de 2014 Período 1º 2º 3º Algoritmos e Programação
Leia maisProviding a consistent, seamless assessment* PwC. Auditoria Interna e as IT s: Novos Desafios. *connectedthinking. As CAAT s na Análise de Dados
Auditoria Interna e as IT s: Novos Desafios Providing a consistent, seamless assessment* *connectedthinking PwC Agenda Enquadramento O IDEA Exemplos práticos Esclarecimentos Enquadramento Conjuntura presente
Leia maisINFORMAÇÃO SISTEMAS DE INFORMAÇÃO
CENTRO DE TECNOLOGIA DA INFORMAÇÃO SISTEMAS DE INFORMAÇÃO CENTRO DE TECNOLOGIA DA INFORMAÇÃO Os cursos do Centro de Tecnologia da Informação da Universidade Positivo preparam para as novas exigências do
Leia mais