Machine learning application in public frauds

Nos últimos anos, os governos mundiais vêm participando de esforços conjuntos para aumentar a disponibilidade dos dados governamentais para seus cidadãos, e o resultado disso, no Brasil, foi a criação do Portal Brasileiro de Dados Abertos. Com mais dados disponíveis ao cidadão comum, várias análises que não são feitas pelo governo, em razão da falta de conhecimento ou de interesse, tornam-se possíveis, como, por exemplo, a identificação de fraudes em licitações públicas. Uma forma de identificar os padrões existentes nessas fraudes é o uso de aprendizado de máquina. Atualmente, existem softwares como R e Python que permitem o uso de diversas técnicas de aprendizado de máquina já implementadas. Esses softwares, devido à sua grande capacidade de processamento, também, podem auxiliar em problemas com dados desbalanceados, em que a ocorrência do evento que está sendo estudado é muito rara, como é o caso de fraudes. Assim, um exemplo desse tipo de problema e que é alvo do estudo desta dissertação é a detecção de fraudes em sistemas públicos por meio da descoberta de contratos que pertencem a empresas inidôneas. Tal desafio pode potencializar-se com grandes volumes de dados, visto que podem tornar o processamento dessas bases mais complexo. Assim, esta dissertação visa contribuir para a resolução desse problema propondo avaliar metodologias e técnicas de aprendizado de máquina que apresentam resultados satisfatórios nesse cenário.In recent years, world governments have been participating in joint efforts to increase the availability of government data for their citizens, such as the creation of the Brazilian Open Data Portal. With more data available to the average citizen, several analyzes become possible, for example, the identification of fraud in public bids. One way to identify patterns in these scams is to use machine learning. These techniques can aid in the analysis of problems with unbalanced data, where the occurrence of the event being studied is very rare, as is the case of frauds. An example of this type of problem that is the subject of this dissertation is the detection of fraud in public systems discovering public contracts belonging to untrusted companies. Thus, this work uses public data for the identification of frauds to the public patrimon