Пошук академічних текстів

Інформація × Реєстраційний номер 2125U003089, Матеріали видань та локальних репозитаріїв Категорія Бакалаврська робота Назва роботи Прогнозування кредитоспроможності клієнтів банку за допомогою методів лінійної алгебри Автор Любаневич Євгенія ОлегівнаLiubanevych Yevheniya Olehivna Дата публікації 01-01-2025 Постачальник інформації Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» Першоджерело https://ela.kpi.ua/handle/123456789/76235 Видання Київ Опис 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. Додано в НРАТ 2025-11-05 Закрити