| Studiju veids |
bakalaura profesionālās studijas |
| Studiju programmas nosaukums |
Finanšu inženierija |
| Nosaukums |
Debitoru maksājumu prognozēšana, pielietojot mašīnmācīšanās metodes |
| Nosaukums angļu valodā |
Debtors Payments Forecasting Using Machine Learning Methods |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| Darba vadītājs |
Jegors Fjodorovs |
| Recenzents |
Ginters Bušs |
| Anotācija |
Darba teorētiskajā daļā ir apkopota informācija par uzņēmuma debitoriem un to nozīmīgumu uzņēmumā. Ir aprakstīti daži eksistējoši risinājumu debitoru pārvaldīšanai. Teorētiskajā daļā ir apkopota informācija par mašīnmācīšanās, tās veidiem un pielietošanu biznesā.
Darba praktiskās daļas sākumā ir aprakstīta darba pētītā problēma un iespējamie debitoru rēķinu iznākumi. Tālāk tika veikta iegūto datu pirmapstrāde, analīze un uzlabošana ar papildus pazīmju pievienošanu. Turpinājumā tika izstrādāti mašīnmācīšanas modeļi klasifikācijas un regresijas uzdevumiem un to iegūtie modeļu rezultāti tika analizēti.
Rezultātā tika izstrādātās divas lietotnes, kurās tika pielietoti iepriekš izstrādāti modeļi un apskatīti to iespējamie pielietošanas gadījumi.
Darbā 45. lpp, 22 attēli, 12 tabulas, 20 avoti un 2 pielikumi. |
| Atslēgas vārdi |
debitori, prognoze, mašīnmācīšanās, uzraudzītā mašīnmācīšanās |
| Atslēgas vārdi angļu valodā |
debtors, forecasting, machine learning, supervised machine learning |
| Valoda |
lv |
| Gads |
2022 |
| Darba augšupielādes datums un laiks |
02.06.2022 23:23:33 |
