Antecedentes: El uso ineficiente de fondos públicos puede tener un impacto negativo en la vida de los ciudadanos. El desarrollo de tecnologías basadas en aprendizaje automático para la visualización de datos y la predicción ha abierto la posibilidad de evaluar la responsabilidad de los proyectos financiados con fondos públicos. Métodos: Este estudio describe la concepción y evaluación de la arquitectura de un sistema que puede ser utilizado para la definición y predicción de perfiles de proyectos. El sistema se utilizó para analizar datos de 20,942 proyectos del Sistema de Gestión de Acuerdos y Contratos de Transferencia (SICONV) en Brasil, que son proyectos financiados por el gobierno. SICONV es una iniciativa del Gobierno Brasileño que registra todo el ciclo de vida de acuerdos, contratos de transferencia y términos de asociación, desde la formalización de la propuesta hasta la rendición de cuentas final. Los proyectos fueron representados por siete variables, todas relacionadas con la línea de tiempo y el presupuesto del proyecto. Se utilizaron estadísticas de datos y agrupamiento en un espacio de menor dimensión calculado mediante t-SNE para generar perfiles de proyectos. Se utilizaron medidas de rendimiento para probar y comparar varios modelos de predicción de perfiles de proyectos basados en clasificadores. Resultados: Se logró el agrupamiento de datos y se definieron diez perfiles de proyectos como resultado. Entre 25 modelos de predicción, el k-Nearest-Neighbor fue el que arrojó la mayor precisión. Conclusiones: El sistema predijo con precisión los perfiles de proyectos SICONV. Este sistema puede ayudar a auditores y ciudadanos a evaluar nuevos y actuales perfiles de proyectos, identificando financiamiento público inapropiado.