Методи машинного навчання та нейронних мереж для виявлення шахрайства у банківських операціях

Скорочена інформація про документ
dc.contributor.advisorНедашківська, Надія Іванівна
dc.contributor.authorКокунова, Анастасія Юріївна
dc.date.accessioned2026-09-10T10:37:08Z
dc.date.available2026-09-10T10:37:08Z
dc.date.issued2026
dc.description.abstractДипломна 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.
dc.description.abstractotherBachelor thesis: 106 pages, 18 figures, 13 tables, 2 appendices, 25 references. The paper examines modern approaches to detecting banking fraud at the stage of new customer registration. The work of classification algorithms under conditions of significant class imbalance is investigated on the practical problem of fraud identification directly at the stage of processing applications for opening bank accounts. The aim of the research is to develop and benchmark machine learning models for efficient and accurate classification of fraudulent bank account opening applications. The object of the study is the process of identifying fraudulent actions (anomalies) in banking transactions at the stage of registering new clients. The subject of the research is mathematical methods and machine learning models (in particular, Random Forest, SVM, MLP, XGBoost, Isolation Forest) for solving the problem of classifying banking fraud based on multidimensional behavioral features. The Python language in the Kaggle environment was chosen as the software implementation. The result of the work is trained and analyzed predictive models.
dc.format.extent106 с.
dc.identifier.citationКокунова, 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.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/82964
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectкласифікація
dc.subjectмашинне навчання
dc.subjectнейронна мережа
dc.subjectвиявлення аномалій
dc.subjectбанківське шахрайство
dc.subjectбінарна класифікація
dc.subjectнезбалансовані дані
dc.subjectансамблеві методи
dc.subjectдинамічний вибір порогу
dc.subjectclassification
dc.subjectmachine learning
dc.subjectneural network
dc.subjectanomaly detection
dc.subjectbank fraud
dc.subjectbinary classification
dc.subjectunbalanced data
dc.subjectensemble methods
dc.subjectdynamic threshold selection
dc.titleМетоди машинного навчання та нейронних мереж для виявлення шахрайства у банківських операціях
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Kokunova_bakalavr.pdf
Розмір:
4.15 MB
Формат:
Adobe Portable Document Format
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

Бакалаврські роботи (ММСА)
Бакалаврські роботи