Search academic texts

Information × Registration Number 2125U003089, Article popup.category Бакалаврська робота Title Прогнозування кредитоспроможності клієнтів банку за допомогою методів лінійної алгебри (AI translated) popup.author Любаневич Євгенія ОлегівнаLiubanevych Yevheniya Olehivna popup.publication 01-01-2025 popup.source_user Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» popup.source https://ela.kpi.ua/handle/123456789/76235 popup.publisher Київ Description Дипломна робота: 93 сторінок, 23 рисунка, 8 таблиць, 2 додатки, 22 джерела посилання. Об’єкт дослідження - процес кредитування позичальників, інформаційні технології в прогнозуванні фізичних осіб. Мета дослідження - розробка та застосування математичних моделей лінійної алгебри для оцінювання кредитоспроможності позичальників на основі статистичних даних. Використані моделі - у програмній реалізації було використано лінійні та логістичні моделі, за допомогою яких і здійснювалося прогнозування. Отриманні результати - побудована система прогнозування на мові Python, що може прогнозувати кредитоспроможність фізичної особи з великою точністю. В рамках подальшого дослідження пропонується підвищувати точність моделі, створити процес дотренування моделі на нових даних, створити повноцінний продукт, який зможе контролювати автоматизовано процес виявлення кредитоспроможності клієнта. The thesis: 93 pages, 23 figures, 8 tables, 2 appendices, 22 references. Object of research: the process of lending to borrowers, information technologies in forecasting individuals. Purpose of research: development and application of mathematical models of linear algebra for assessing the creditworthiness of borrowers based on statistical data. Models used: linear and logistic models were used in the software implementation, with the help of which the forecasting was carried out. Results obtained: a forecasting system was built in Python that can forecast the creditworthiness of an individual with high accuracy. As part of further research, it is proposed to increase the accuracy of the model, create a process for pre-training the model on new data, and create a fullfledged product that can automatically control the process of identifying a client's creditworthiness. popup.nrat_date 2025-11-05 Close