As perdas de ́agua na distribui ̧c ̃ao ocorrem com muita frequência no setor de saneamento. Dentre os tipos de perdas, as fraudes correspondem ao volume de ́agua furtado pelos usuários e, tradicionalmente, s ̃ao combatidas por meio da inspeção in loco da rede de abastecimento. A identificação das possíveis fraudes ́e uma atividade complexa e sua inspeção bastante custosa, acarretando na baixa taxa de mitigação e na manutenção de grande percentual das perdas. Neste contexto, o desenvolvimento de soluções tecnológicas que ajudem nessa tarefa ́e de bastante valia. Dentre elas, técnicas estatísticas e de aprendizado de máquina têm sido aplicadas para detecção de fraudes com resultados promissores. Contudo, estudos anteriores têm sido realizados com diversas limitações em termos do volume de dados utilizado e do rigor científico das análises. Este trabalho apresenta um estudo para a detecção de fraudes no consumo de ́agua usando algoritmos de aprendizado de máquina supervisionada, considerando uma base de dados em larga escala e procedimentos experimentais com foco na adequada construção e avaliação dos modelos preditivos e do seu poder de generaliza ̧c ̃ao. Foram utilizadas técnicas de pré-processamento de dados, otimiza ̧c ̃ao de modelos baseada em validação cruzada e avaliação considerando dados independentes. Foram avaliados diversos algoritmos de aprendizagem de máquina, com o melhor modelo com acurácia geral de 79.62%, precisão de 81.70% e revocação de 76.34%. Assim, o modelo ́e capaz de identificar corretamente mais de 76% das fraudes e cerca de 83% dos registros idôneos.