Шубенкова, Ірина АнатоліївнаГогуля, Нікіта Дмитрович2024-11-062024-11-062024Гогуля, Н. Д. Визначення позичальників кредитних установ за допомогою засобів штучного інтелекту : дипломна робота ... бакалавра : 122 Комп'ютерні науки / Гогуля Нікіта Дмитрович. – Київ, 2024. – 103 с.https://ela.kpi.ua/handle/123456789/70363Дипломна робота: 103 с., 24 рис., 11 табл., 38 посилань, 1 додаток. Мета дослідження: розробка моделі машинного навчання для оцінки кредитоспроможності заявників, здатної прогнозувати ймовірність схвалення кредитних заявок на основі аналізу історичних даних. Об’єкт дослідження: процес оцінки кредитоспроможності заявників фінансовими установами. Предмет дослідження: використання методів машинного навчання для прогнозування кредитоспроможності заявників. Методи дослідження: заміна назв стовпчиків, обробка відсутніх значень середніми значеннями для числових даних і модою для категоріальних даних, нормалізація числових даних. Кодування категоріальних змінних методом One- Hot Encoding. Аналіз даних включав побудову гістограм, кореляційний аналіз та ROC-криві. В якості потенційних найкращих моделей розглядалися: логістична регресія, випадковий ліс, градієнтний бустинг (XGBoost) та багатошаровий перцептрон (MLP). Підбір гіперпараметрів за допомогою GridSearchCV. Результати: модель градієнтного бустингу (XGBoost) показала найкращий результат з AUC-ROC 0.91. Застосування системи дозволяє автоматизувати оцінку кредитоспроможності, підвищуючи точність та швидкість прийняття рішень, знижуючи ризики та покращуючи фінансові показники банків.103 с.ukкредитоспроможністьмашинне навчанняштучний інтелекткласифікаціяаналіз данихмоделі машинного навчанняоцінювання ризиківлогістична регресіянейронні мережіградієнтний бустингcreditworthinessmachine learningartificial intelligenceclassificationdata analysismachine learning modelsrisk assessmentlogistic regressionneural networksgradient boostingBachelor Thesis