Пошук академічних текстів

Інформація × Реєстраційний номер 2121U008371, Матеріали видань та локальних репозитаріїв Категорія Бакалаврська робота Назва роботи Система прогнозування відтоку клієнтів банку на основі моделей машинного навчання Автор Цимбал Юлія ОлександрівнаTsymbal Yuliya Oleksandrivna Дата публікації 01-01-2021 Постачальник інформації Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» Першоджерело https://ela.kpi.ua/handle/123456789/45472 Видання Київ Опис Дипломна робота: 137 с., 61 рис., 10 табл., 2 додатки, 24 джерел. Об’єкт дослідження – власники кредитних карток, представлені статистичними даними. Предмет дослідження – методи обробки статистичних даних і моделі машинного навчання на основі статистичних даних для прогнозування відтоку клієнтів, що користуються кредитною карткою. Мета роботи – побудова системи прийняття рішень для прогнозування відтоку клієнтів на основі методів машинного навчання. У роботі розглядається процес аналітичного прогнозування відтоку клієнтів на основі методів машинного навчання. Особлива увага приділяється підготовці даних і створенню моделей прогнозування. Наведено огляд сучасних моделей машинного навчання і методику їх побудови, процес підготовки даних і огляд даних щодо відтоку клієнтів банку і побудова моделей на основі цих даних. Запропоновано найефективнішу модель машинного навчання для побудови на її основі системи прийняття рішень. Bachelor’s thesis: 137 p., 61 fig., 10 tabl., 2 appendices, 24 sources. The object of research – credit card holders, represented by statistical data. The subject of research – methods of data preparation and machine learning algorithms for customer churn prediction. The purpose of the research – creating a decision making system based on machine learning algorithms for customer churn prediction. The paper considers the process of analytical prediction of customer churn based on machine learning methods. Particular attention is paid to data preparation and the creation of forecasting models. An overview of modern models of machine learning and methods of their construction, the process of data preparation and review of data on customer churn and the construction of models based on these data. The most effective model of machine learning for building a decision-making system based on it is proposed. Додано в НРАТ 2025-11-05 Закрити