Noslēguma darbu reģistrs
  
Studiju darba apraksts
Studiju veids bakalaura profesionālās studijas
Studiju programmas nosaukums Finanšu inženierija
Nosaukums Mākslīgo neironu tīklu izmantošana skoringa analīzē
Nosaukums angļu valodā Artifical Neural Network Usage in Scoring Models
Autors Kārlis Rudāks
Struktūrvienība 12200 Datorvadības,automātikas un datortehnikas institūts
Darba vadītājs Jolanta Goldšteine
Recenzents Sergejs Paršutins, RTU
Anotācija Latvijā un arī ārpus tās, ik gadu pieaug izsniegto kredītu apjoms un skaits, Latvijā it īpaši palielinās izsniegto kredītu apjoms nebanku iestādēs, jo kredīti tiek izsniegti ātri, lai gan summas un termiņi ir mazāki, tas kreditoram palielina kredīta neatmaksāšanas risku tāpēc, ka manuāli nav iespējams dažu minūšu laikā pilnībā pārbaudīt pieteikuma datus. Tāpēc kreditori veido dažādus modeļus, ar kuriem iespējams noteikt varbūtību par to, vai cilvēks atmaksās aizdevumu, viens no šādiem modeļiem var tikt veidots, izmantojot mākslīgos neironu tīklus. Mākslīgie neironu tīkli pēdējā laikā guvuši lielu popularitāti to plašā pielietojuma dēļ, īpaši datizraces un mākslīgā intelekta jomās. Tāpēc šajā darbā tika izveidots mākslīgo neironu tīklu modelis, kurš tika apmācīts uz pagātnes datiem, pēc tam šo neironu tīklu var integrēt kreditora pieteikumu apstrādes algoritmā un neironu tīkls ne tikai noteiks pieteikuma atmaksāšanas varbūtību, bet arī laika gaitā uzlabos prognozēšanas precizitāti, tādejādi palielinot kreditora peļņu, samazinot kavētāju portfeli un samazinot patērētos resursus pieteikumu apstrādei. Bakalaura darbs rakstīts latviešu valodā, to veido ievads, teorētiskā un praktiskā daļa, secinājumi un rezultāti. Darba apjoms ir 61 lpp., tajā iekļauti 22 attēli, 10 tabulas, 24 formulas. Literatūras sarakstā ir1 avots latviešu valodā un 39 angļu valodā. Darbam pievienoti 3 pielikumi.
Atslēgas vārdi Mākslīgie neironu tīkli; Mašīnmācīšanās; Datizrace; Skorings; Varbūtību modelēšana; Neironu tīklu arhitektūra;
Atslēgas vārdi angļu valodā Artificial neural network; Machine learning; Data mining; Scoring; Probability modeling; Neural network architecture
Valoda lv
Gads 2019
Darba augšupielādes datums un laiks 05.06.2019 19:47:59