Антифрод-система для ідентифікації шахрайських карткових транзакцій методами інтелектуального аналізу даних

Скорочена інформація про документ
dc.contributor.advisorНедашківська, Надія Іванівна
dc.contributor.authorКондаков, Богдан Артемович
dc.date.accessioned2023-10-12T09:14:11Z
dc.date.available2023-10-12T09:14:11Z
dc.date.issued2023
dc.description.abstractДипломна робота: 127 с., 22 рис., 21 табл., 2 додатки, 33 джерела. Об’єкт дослідження – прогнозування шахрайських карткових Інтернет- транзакцій за допомогою методів машинного навчання. Предмет дослідження – алгоритми машинного навчання для ідентифікації шахрайських карткових Інтернет-транзакцій, серед яких ансамблі на основі дерев рішень, нейронні мережі й ансамбль для об’єднання найкращих попередньо визначених алгоритмів. Мета дослідження – побудова ефективних моделей машинного навчання для ідентифікації шахрайських карткових Інтернет-транзакцій. У ході виконання роботи було обґрунтовано вибір мови програмування Python і відповідних бібліотек. Було виконано порівняння ансамблів дерев рішень, по результатам якого обрано найкращою модель XGBoost, згодом покращену за допомогою обраних методів обробки даних і підбором гіперпараметрів. У результаті, об’єднавши ансамбль дерев рішень із моделлю нейронної мережі в ансамбль Stacking, було ідентифіковано ще більше шахрайських карткових транзакцій, підтвердивши результати множиною обраних метрик якості. Практичним результатом роботи є система ідентифікації шахрайських карткових Інтернет-транзакцій на основі побудованих ефективних моделей машинного навчання, оцінених за множиною обраних метрик якості.uk
dc.description.abstractotherBachelor thesis: 127 p., 22 fig., 21 tabl., 2 append., 33 references. The object of the study is prediction of fraudulent card transactions on the Internet using machine learning methods. The subject of the study is machine learning algorithms for identifying fraudulent card transactions on the Internet, including ensembles based on decision trees, neural networks, and an ensemble for combining the best predefined algorithms. The purpose of the study is to build effective machine learning models for identifying fraudulent card transactions on the Internet. In the course of the work, the choice of the Python programming language and relevant libraries was justified. A comparison of decision tree ensembles was performed, which resulted in the selection of the best model XGBoost, subsequently improved by the selected data processing methods and the selection of hyperparameters. As a result, by combining the decision tree ensemble with the neural network model into the Stacking ensemble, even more fraudulent card transactions were identified, confirming the results with a set of selected quality metrics. The practical result of the work is a system for identifying fraudulent card transactions on the Internet based on the built effective machine learning models evaluated by a set of selected quality metrics.uk
dc.format.extent127 с.uk
dc.identifier.citationКондаков, Б. А. Антифрод-система для ідентифікації шахрайських карткових транзакцій методами інтелектуального аналізу даних : дипломна робота ... бакалавра : 124 Системний аналіз / Кондаков Богдан Артемович. – Київ, 2023. – 127 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/61287
dc.language.isoukuk
dc.publisher.placeКиївuk
dc.subjectкарткові інтернет-транзакціїuk
dc.subjectшахрайствоuk
dc.subjectфродuk
dc.subjectеквайрuk
dc.subjectмерчантuk
dc.subjectризикиuk
dc.subjectкласифікаціяuk
dc.subjectансамбліuk
dc.subjectдерева рішеньuk
dc.subjectнейронні мережіuk
dc.subjectonline card transactionsuk
dc.subjectfrauduk
dc.subjectacquireruk
dc.subjectmerchantuk
dc.subjectrisksuk
dc.subjectclassificationuk
dc.subjectensemblesuk
dc.subjectdecision treesuk
dc.subjectneural networksuk
dc.titleАнтифрод-система для ідентифікації шахрайських карткових транзакцій методами інтелектуального аналізу данихuk
dc.typeBachelor Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Kondakov_bakalavr.pdf
Розмір:
3.2 MB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
1.71 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Бакалаврські роботи (ММСА)
Бакалаврські роботи