Case: Modelos de Pontuação de Crédito com Aprendizado de Máquina

Desafio:

Melhorar o desempenho de modelos de avaliação de crédito frente a métodos tradicionais, com foco em diferentes bases de dados reais de clientes e inadimplência.

Solução Desenvolvida:

Exploramos diferentes arquiteturas e algoritmos para modelar o risco de inadimplência com maior poder preditivo, respeitando critérios éticos e de interpretabilidade.

Metodologia Aplicada:

Modelos supervisionados: regressão logística, árvores, random forests, boosting;

Métodos avançados: SVM (Support Vector Machines), XGBoost, Redes Neurais;

Técnicas de análise de sobrevivência para tempo até inadimplência;

Interpretação com SHAP values e análise de viés algorítmico.

Resultados:

Os modelos baseados em machine learning apresentaram ganhos significativos na acurácia e redução de falsos positivos, permitindo decisões de crédito mais justas, eficazes e alinhadas ao perfil real do cliente. Além disso, o uso de técnicas explicativas possibilitou maior transparência regulatória.

QUANGLE

Sobre a Quangle
Co-founders
Destaques

Case:
Modelos de pontuação de crédito com aprendizado de máquina

Desafio:

Melhorar o desempenho de modelos de avaliação de crédito frente a métodos tradicionais, com foco em diferentes bases de dados reais de clientes e inadimplência.

Resultados:

ENTRE EM CONTATO

QUANGLE

Siga-nos:

Sobre nossas soluções:

Entre em contato:

Case:Modelos de pontuação de crédito com aprendizado de máquina

Desafio:Melhorar o desempenho de modelos de avaliação de crédito frente a métodos tradicionais, com foco em diferentes bases de dados reais de clientes e inadimplência.

Resultados:

ENTRE EM CONTATO

QUANGLE

Siga-nos:

Sobre nossas soluções:

Entre em contato:

Case:
Modelos de pontuação de crédito com aprendizado de máquina

Desafio:

Melhorar o desempenho de modelos de avaliação de crédito frente a métodos tradicionais, com foco em diferentes bases de dados reais de clientes e inadimplência.