Інтелектуальна система обробки фінансових даних за допомогою нейронних мереж
Ескіз недоступний
Дата
2024
Автори
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Актуальність теми. У сучасному світі, де технології швидко розвиваються, зростає потреба в інноваційних рішеннях для аналізу фінансових даних. Системи, які здатні обробляти великі обсяги даних, створювати візуалізації та надавати рекомендації, стають важливими інструментами для ефективного управління фінансами. Розробка таких систем потребує застосування сучасних інженерних рішень та ІТ-технологій, що робить тему нашої роботи надзвичайно актуальною в контексті розвитку прикладної математики.
Об’єктом дослідження є мобільна система для аналізу фінансових витрат, що поєднує інженерні рішення та алгоритми обробки даних.
Предметом дослідження є методичні підходи до розробки програмного забезпечення, яке здійснює обробку фінансових даних за допомогою нейронних мереж та інших алгоритмів.
Мета роботи полягає в дослідженні та реалізації інженерних аспектів створення мобільної системи, яка збирає та аналізує витрати з мобільного банкінгу, включаючи створення алгоритмів обробки даних, візуалізації інформації та генерації персоналізованих рекомендацій та порад для користувачів.
Наукова новизна роботи полягає у впровадженні персоналізованих порад і рекомендацій за допомогою штучного інтелекту, що базуються на аналізі фінансових даних користувача мобільного банкінгу. Використання власної моделі GPT покращеної шляхом тонкого налаштування дозволяє враховувати індивідуальні особливості витрат і доходів, забезпечуючи високий рівень адаптації рекомендацій.
Практична цінність роботи полягає у створенні мобільного додатку, який дозволяє користувачам ефективно аналізувати свої фінансові витрати, отримувати візуалізовану інформацію та персоналізовані поради. Завдяки інтеграції з Monobank API, користувачі можуть завантажувати актуальні транзакції, які аналізуються на основі передових інженерних рішень. Інтуїтивно зрозумілий інтерфейс та темний дизайн додатку забезпечують комфорт у використанні, а сучасні технології, такі як React Native, підвищують його продуктивність і доступність. Це дозволяє поліпшити користувацький досвід та сприяє підвищенню фінансової грамотності.
Апробація роботи Результати проведених досліджень та розробок були представлені на провідних наукових конференціях. Зокрема, основні положення роботи були обговорені на XVII науковій конференції магістрантів та аспірантів «Прикладна математика та комп’ютинг» ПМК-2024, яка проходила в Києві 25-27 листопада 2024 року. Також результати роботи були презентовані на Х Міжнародній молодіжній науково-практичній інтернет-конференції «Наука і молодь в ХХІ сторіччі», яка відбулась 28 листопада 2024 року у Полтавському університеті економіки і торгівлі. Ці заходи дозволили отримати важливі відгуки та рекомендації для подальшого вдосконалення розробленої системи.
Структура та обсяг роботи. Магістерська дисертація складається з вступу, чотирьох розділів та висновків.
У першому розділі проаналізовано сучасні технології та підходи, які використовуються у фінансових додатках. Описано методи обробки транзакцій та представлені особливості використання нейромереж у фінансовій сфері. Значну увагу приділено вивченню теоретичних аспектів, що стали основою для подальшого вибору інструментів.
Другий розділ детально висвітлює обґрунтування вибору технологій для реалізації мобільного додатка. У розділі описано процес інтеграції з Monobank API для отримання даних про транзакції користувачів, обґрунтовано вибір React Native для кросплатформної розробки, а також розглянуто архітектурні рішення, що забезпечують взаємодію між клієнтським інтерфейсом, сервером та базою даних.
У третьому розділі подано опис розробки системи, включаючи архітектуру додатка, реалізацію функціональності для аналізу транзакцій, візуалізації даних та формування персоналізованих рекомендацій. Детально описано інтеграцію з Monobank API, моделі нейромереж, що використовувались для обробки даних, та особливості побудови графіків, які ілюструють фінансові витрати користувачів.
Четвертий розділ присвячений тестуванню системи та аналізу її ефективності. Представлено результати тестування основних функцій додатка, зокрема взаємодії з API, точності аналізу фінансових транзакцій і коректності візуалізації. Проаналізовано результати роботи нейромереж та оцінено якість рекомендацій, що надаються користувачам.
Ключові слова: мобільний додаток, обробка даних, алгоритми, інженерні рішення, прикладна математика.
Опис
Ключові слова
мобільний додаток, обробка даних, алгоритми, інженерні рішення, прикладна математика., mobile application, data processing, algorithms, engineering solutions, applied mathematics
Бібліографічний опис
Касьян, А. В. Інтелектуальна система обробки фінансових даних за допомогою нейронних мереж : магістерська дис. : 123 Комп’ютерна інженерія / Касьян Артем Володимирович. – Київ, 2024. – 95 с.