Пошук академічних текстів

Інформація × Реєстраційний номер 2125U003021, Матеріали видань та локальних репозитаріїв Категорія Бакалаврська робота Назва роботи Застосування підходів інтелектуального аналізу даних для оцінки кредитної спроможності клієнтів банку Автор Комаренко Анастасія РоманівнаKomarenko Anastasiya Romanivna Дата публікації 01-01-2025 Постачальник інформації Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» Першоджерело https://ela.kpi.ua/handle/123456789/76085 Видання Київ Опис Дипломна робота: 93 с., 10 рис., 16 табл., 2 дод., 23 дж. Об’єкт дослідження – процеси оцінки кредитоспроможності клієнтів банків на основі фінансових, демографічних та поведінкових даних. Програмний продукт – Прототип системи підтримки прийняття рішень щодо кредитування, що використовує методи машинного навчання для аналізу клієнтських даних та прогнозування рівня кредитного ризику. Мова програмування – Python (з використанням бібліотек Pandas, Scikit—learn, TensorFlow, Matplotlib). Мета роботи – Розробка та обґрунтування підходу до оцінки кредитоспроможності клієнтів банку на основі інтелектуального аналізу даних, із подальшим створенням прототипу аналітичної системи, що дозволяє автоматизувати та підвищити точність кредитного скорингу. Метод дослідження – Розробка та обґрунтування підходу до оцінки кредитоспроможності клієнтів банку на основі інтелектуального аналізу даних, із подальшим створенням прототипу аналітичної системи, що дозволяє автоматизувати та підвищити точність кредитного скорингу. Thesis includes: 93 pages, 10 figures, 16 tables, 2 appendices, 23 references. Object of research – the processes of assessing the creditworthiness of bank clients based on financial, demographic, and behavioral data. Software product – a prototype of a decision support system for credit assessment, utilizing machine learning methods to analyze client data and predict the level of credit risk. Programming language – Python (using libraries such as Pandas, Scikit—learn, TensorFlow, Matplotlib). Aim of the work – to develop and justify an approach to assessing the creditworthiness of bank clients based on data mining methods, followed by the creation of an analytical system prototype that automates and improves the accuracy of credit scoring. Research method – data collection and preprocessing, application of classification and ensemble learning algorithms, statistical evaluation of model performance, comparison of results using quality metrics (Accuracy, Precision, Recall, ROC—AUC). Додано в НРАТ 2025-11-05 Закрити