Застосування методів машинного навчання до задачі прогнозування залишків на банківських картах
Вантажиться...
Дата
2023
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
Анотація
Дипломна робота: 102 ст., 11 табл., 28 рис., 1 додаток, 32 джерел.
Об’єкт дослідження – прогнозування набору даних залишків на картах
клієнтів банку.
Предмет дослідження – побудова моделей машинного навчання для
прогнозування часових рядів та їх навчання із використанням методів
декомпозиції часового ряду.
Мета роботи - розглянути теоретичні основи декомпозиції,
моделювання та прогнозування часових рядів, побудувати та провести
порівняльний аналіз методів машинного навчання для прогнозування
залишків на банківських картах, обрати модель, що дає найкращий результат.
У роботі розглядається побудова різнотипових моделей для
прогнозування вхідних даних, знаходження оптимальних значень для
гіперпараметрів моделей, вплив методів декомпозиції часового ряду на процес
навчання моделей та на результат прогнозування.
Результатом роботи є висновок про найкращу з точки зору відповідних
метрик побудовану та навчену на вхідних даних модель для прогнозування
залишків на банківських картах.
Опис
Ключові слова
прогнозування часових рядів, ліквідність банку, експоненційне згладжування, модель хольта-вінтерса, багатошаровий персептрон, рекурентні нейронні мережі, time series forecasting, bank liquidity, exponential smoothing, holt-winters model, multilayer perceptron, recurrent neural networks
Бібліографічний опис
Бондаренко, Д. О. Застосування методів машинного навчання до задачі прогнозування залишків на банківських картах : дипломна робота ... бакалавра : 122 Комп'ютерні науки / Бондаренко Даниїл Олександрович. – Київ, 2023. – 102 с.