Алгоритми машинного навчання для скорингових систем

Скорочена інформація про документ
dc.contributor.advisorКаніовська, Ірина Юріївна
dc.contributor.authorШираліев, Анар Ельдар огли
dc.date.accessioned2019-10-22T14:11:47Z
dc.date.available2019-10-22T14:11:47Z
dc.date.issued2019-06
dc.description.abstractОб’єкт дослідження: скорингові системи, як інструмент відбору та моніторингу діяльності позичальників кредитної установи. Предмет дослідження: застосування алгоритмів машинного навчання до задач, що мають місце в рамках кредитного скорингу. Метою даної магістерської дисертації є побудова моделей машинного навчання, що дозволять відбирати надійних позичальників, моніторити їх діяльність, кластерізувати клієнтську базу та запобігати шахрайству. В роботі проведено огляд методів оцінки кредитоспроможності в Україні, розглянуто, з чого складаються скорингові системи та які задачі вирішують. Наведено аргументацію, чому є сенс застосовувати алгоритми машинного навчання в даних задачах. Наведено опис багатьох популярних методів машинного навчання. Розглянуто та розв’язано декілька модельних задач, порівняно результати роботи алгоритмів. Результати та їх новизна: виявлено застарілість та недосконалість методів скорингу позичальників кредитних установ в України. Запропоновано створення системи, що базується на алгоритмах машинного навчання, яка дозволяє значно підвищити точність оцінки кредитоспроможності, своєчасно передбачати дефолт та ефективно запобігати шахрайству.uk
dc.description.abstractenObject of research: scoring systems as a tool for selecting and monitoring the activities of borrowers of the credit institution. Subject of research: application of the machine learning algorithms to tasks that take place within the framework of credit scoring. The purpose of this master's thesis is to build the machine learning models which will allow to select reliable borrowers, monitor their activities, cluster the client base and prevent fraud. The paper reviews the methods for assessing creditworthiness in Ukraine, examines what the scoring systems are and what tasks are being solved. It was explained, why does it make sense to apply machine learning algorithms to these problems. The most popular methods of machine learning are described. Several model problems are considered and solved. The results of algorithms are compared. Results and their novelty: the obsolete and imperfect methods of scoring borrowers of credit institutions in Ukraine are revealed. It is proposed to create a system based on machine learning algorithms, which allows to significantly improve the accuracy of credit assessment, timely predict default and effectively prevent fraud.uk
dc.format.page117 с.uk
dc.identifier.citationШиралієв, А. Е. Алгоритми машинного навчання для скорингових систем : магістерська дис. : 124 Системний аналіз / Ширалієв Анар Ельдар огли. - Київ, 2019. - 117 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/29842
dc.language.isoukuk
dc.publisher.placeКиївuk
dc.subjectзапобігання шахрайствуuk
dc.subjectмашинне навчанняuk
dc.subjectкредитоспроможністьuk
dc.subjectпопередження дефолтуuk
dc.subjectскорингові системиuk
dc.subjectcredit abilityuk
dc.subjectdefault preventionuk
dc.subjectfraud preventionuk
dc.subjectmachine learninguk
dc.subjectskoring systemsuk
dc.subject.udc004.855.5:519.257uk
dc.titleАлгоритми машинного навчання для скорингових системuk
dc.typeMaster Thesisuk

Файли

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

Зібрання

Магістерські роботи (ММСА)
Магістерські роботи