Методи машинного навчання та нейронних мереж для виявлення шахрайства у банківських операціях
Вантажиться...
Дата
2026
Автори
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Дипломна робота містить: 106 с., 18 рис., 2 додатки, 13 табл., 25 джерел.
У роботі розглянуто сучасні підходи до виявлення банківського шахрайства на етапі реєстрації нових клієнтів. Досліджено роботу алгоритмів класифікації в умовах суттєвого дисбалансу класів на практичній задачі ідентифікації шахрайства безпосередньо на етапі обробки заявок на відкриття банківських рахунків. Метою дослідження є розробка та порівняльний аналіз моделей машинного навчання для ефективної та точної класифікації шахрайських заявок на відкриття банківських рахунків. Об'єктом дослідження – це процес ідентифікації шахрайських дій (аномалій) у банківських операціях на етапі реєстрації нових клієнтів. Предметом дослідження є математичні методи та моделі машинного навчання (зокрема Random Forest, SVM, MLP, XGBoost, Isolation Forest) для розв'язання задачі класифікації банківського шахрайства на основі багатовимірних поведінкових ознак. Програмною реалізацією було обрано мову Python у середовищі Kaggle. Результатом роботи є навчені та проаналізовані предиктивні моделі.
Опис
Ключові слова
класифікація, машинне навчання, нейронна мережа, виявлення аномалій, банківське шахрайство, бінарна класифікація, незбалансовані дані, ансамблеві методи, динамічний вибір порогу, classification, machine learning, neural network, anomaly detection, bank fraud, binary classification, unbalanced data, ensemble methods, dynamic threshold selection
Бібліографічний опис
Кокунова, А. Ю. Методи машинного навчання та нейронних мереж для виявлення шахрайства у банківських операціях : дипломна робота … бакалавра : 124 Системний аналіз / Кокунова Анастасія Юріївна. – Київ, 2026. – 106 с.