Seu próximo nível começa aqui
Seu desenvolvimento não pode ter limites. Garanta sua Assinatura Ilimitada e libere uma preparação completa com os melhores professores do Brasil.
Uma equipe de ciência de dados está desenvolvendo um modelo de risco para identificar e...
Uma equipe de ciência de dados está desenvolvendo um modelo de risco para identificar empresas envolvidas na emissão de notas frias, usando dados de NF-e, escriturações fiscais digitais, cadastros, histórico de autuações e cruzamentos bancários. Foram definidas as seguintes atividades:
1.Definir objetivos de negócio (ex.: aumentar em 10% a recuperação de crédito em operações com notas frias, mantendo o número de fiscalizações).
2.Mapear as fontes de dados disponíveis (NF-e, cadastros, autuações) e avaliar sua qualidade e completude.
3.Selecionar técnicas de modelagem (ex.: redes neurais) e definir a estratégia de validação.
4.Definir métricas técnicas de avaliação (ex.: recall em top-k contribuintes, precisão por faixa de risco) alinhadas aos objetivos de negócio.
5.Planejar a integração do score ao sistema de seleção de contribuintes, incluindo monitoramento e possíveis recalibrações.
A correlação mais consistente dessas atividades às fases do modelo CRISP-DM está em:
A
1 | 2 | 3 | 4 | 5 |
Business Understanding | Data Understanding | Modeling | Evaluation | Deployment |
B
1 | 2 | 3 | 4 | 5 |
Data Understanding | Data Preparation | Modeling | Evaluation | Deployment |
C
1 | 2 | 3 | 4 | 5 |
Business Understanding | Data Preparation | Modeling | Deployment | Evaluation |
D
1 | 2 | 3 | 4 | 5 |
Business Understanding | Data Understanding | Data Preparation | Modeling | Evaluation |
E
1 | 2 | 3 | 4 | 5 |
Business Understanding | Data Understanding | Evaluation | Modeling | Deployment |