Інтелектуальна система обробки фінансових даних за допомогою нейронних мереж

Скорочена інформація про документ
dc.contributor.advisorТарасенко-Клятченко, Оксана Володимирівна
dc.contributor.authorКасьян, Артем Володимирович
dc.date.accessioned2024-12-23T09:43:10Z
dc.date.available2024-12-23T09:43:10Z
dc.date.issued2024
dc.description.abstractАктуальність 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.
dc.description.abstractotherRelevance of the topic. In the modern world, where technologies are rapidly developing, there is a growing need for innovative solutions for analyzing financial data. Systems that are able to process large amounts of data, create visualizations and provide recommendations are becoming important tools for effective financial management. The development of such systems requires the use of modern engineering solutions and IT technologies, which makes the topic of our work extremely relevant in the context of the development of applied mathematics. The object of the study is a mobile system for analyzing financial expenses, combining engineering solutions and data processing algorithms. The subject of the study is methodological approaches to developing software that processes financial data using neural networks and other algorithms. The purpose of the work is to study and implement the engineering aspects of creating a mobile system that collects and analyzes expenses from mobile banking, including the creation of data processing algorithms, information visualization and generation of personalized recommendations and advice for users. The scientific novelty of the work lies in the implementation of personalized advice and recommendations using artificial intelligence, based on the analysis of the financial data of the mobile banking user. The use of our own GPT model, improved by fine-tuning, allows us to take into account the individual characteristics of expenses and income, ensuring a high level of adaptation of recommendations. The practical value of the work lies in the creation of a mobile application that allows users to effectively analyze their financial expenses, receive visualized information and personalized advice. Thanks to integration with the Monobank API, users can download current transactions, which are analyzed based on advanced engineering solutions. The intuitive interface and dark design of the application provide comfort in use, and modern technologies, such as React Native, increase its productivity and accessibility. This allows you to improve the user experience and contributes to increasing financial literacy. Approbation of the work The results of the research and development were presented at leading scientific conferences. In particular, the main provisions of the work were discussed at the XVII Scientific Conference of Master's and PhD Students "Applied Mathematics and Computing" PMK-2024, which was held in Kyiv on November 25-27, 2024. The results of the work were also presented at the X International Youth Scientific and Practical Internet Conference "Science and Youth in the 21st Century", which was held on November 28, 2024 at the Poltava University of Economics and Trade. These events allowed us to receive important feedback and recommendations for further improvement of the developed system. Structure and scope of work. The master's thesis consists of an introduction, four sections and conclusions. The first section analyzes modern technologies and approaches used in financial applications. Transaction processing methods are described and the features of the use of neural networks in the financial sector are presented. Considerable attention is paid to the study of theoretical aspects that became the basis for the further selection of tools. The second section provides a detailed explanation of the technology selection for implementing the mobile application. The section describes the process of integration with the Monobank API to obtain data on user transactions, justifies the choice of React Native for cross-platform development, and also considers architectural solutions that ensure interaction between the client interface, server, and database. The third section provides a description of the system development, including the application architecture, implementation of functionality for transaction analysis, data visualization, and generation of personalized recommendations. The integration with the Monobank API, neural network models used for data processing, and features of constructing graphs illustrating users' financial expenses are described in detail. The fourth section is devoted to testing the system and analyzing its effectiveness. The results of testing the main functions of the application are presented, in particular, interaction with the API, accuracy of financial transaction analysis, and correctness of visualization. The results of the work of neural networks are analyzed and the quality of recommendations provided to users is assessed. Keywords: mobile application, data processing, algorithms, engineering solutions, applied mathematics.
dc.format.extent95 c.
dc.identifier.citationКасьян, А. В. Інтелектуальна система обробки фінансових даних за допомогою нейронних мереж : магістерська дис. : 123 Комп’ютерна інженерія / Касьян Артем Володимирович. – Київ, 2024. – 95 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/71250
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectмобільний додаток
dc.subjectобробка даних
dc.subjectалгоритми
dc.subjectінженерні рішення
dc.subjectприкладна математика.
dc.subjectmobile application
dc.subjectdata processing
dc.subjectalgorithms
dc.subjectengineering solutions
dc.subjectapplied mathematics
dc.subject.udc004.05
dc.titleІнтелектуальна система обробки фінансових даних за допомогою нейронних мереж
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
Kasian_AV_KV31_mp_magistr_2024.docx
Розмір:
4.3 MB
Формат:
Microsoft Word XML
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (СПСКС)
Магістерські роботи