Search academic texts

Information × Registration Number 2125U003163, Article popup.category Бакалаврська робота Title Методи машинного навчання для прогнозування відтоку клієнтів банку (AI translated) popup.author Бардадим Марія ВікторівнаBardadym Mariya Viktorivna 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/123456789/76200 popup.publisher Київ Description Дипломна робота: 98 с., 7 табл., 31 рис., 2 додатки, 20 джерел. Об’єктом дослідження є дані про клієнтів банківських установ, зібрані у відкритому наборі даних. Предмет дослідження це математичні методи машинного навчання, зокрема методи класифікації, реалізовані за допомогою мови програмування Python. Мета роботи — розробити програмний продукт для аналізу та прогнозування ймовірності відтоку клієнтів банку за допомогою методів машинного навчання. Актуальність — відтік клієнтів є серйозною проблемою для фінансових установ, оскільки призводить до втрати прибутків і витрат на залучення нових клієнтів. Методи машинного навчання дозволяють автоматизувати процес виявлення клієнтів із високим ризиком відтоку, що дає можливість своєчасно реагувати, підвищити лояльність та зменшити втрати. Результатом роботи є створений програмний продукт на мові програмування Python, який дозволяє прогнозувати ймовірність відтоку клієнтів банку. Шляхи подальшого розвитку предмета дослідження – розширення набору ознак за рахунок додаткових джерел даних, впровадження системи автоматичного оновлення моделей, побудова інтерфейсу користувача та застосування інших методів машинного навчання. Diploma thesis: 98 p., 7 tables, 31 figures, 2 appendices, 20 references. Object of research is data on clients of banking institutions collected in an open data set. The subject of the study is mathematical methods of machine learning, in particular classification methods implemented using the Python programming language. Purpose — to develop a software product for analysing and predicting the probability of bank customer churn using machine learning methods. Relevance — customer outflow is a serious problem for financial institutions, as it leads to loss of income and costs of attracting new customers. Machine learning methods allow automating the process of identifying customers with a high risk of churn, which makes it possible to respond in a timely manner, increase loyalty and reduce losses. The results of the work are a software product in the Python programming language that allows predicting the probability of bank customer outflow. Ways of further development of the research subject — are expanding the set of features by means of additional data sources, implementing a system of automatic model updating, building a user interface and applying other machine learning methods. popup.nrat_date 2025-11-05 Close