| Studiju veids |
bakalaura profesionālās studijas |
| Studiju programmas nosaukums |
Finanšu inženierija |
| Nosaukums |
Kredītriska noteikšana, izmantojot Oracle Machine Learning vidi |
| Nosaukums angļu valodā |
Credit Risk Evaluation Using Oracle Machine Learning Environment |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| Darba vadītājs |
Jānis Eiduks |
| Recenzents |
Ludmila Fadejeva |
| Anotācija |
Darbā tiek aplūkota kredītriska novērtēšana, izmantojot mašīnmācīšanās
modeļus. Kredītrisks ir svarīga klienta novērtēšanas ssastāvdaļa, jo tā precīza
novērtēšana nodrošina lēmumu pieņemšanu un novērš iespējamus zaudējumus.
Attīstoties tehnoloģijām un pieaugot datu apjomam, tradicionālās metodes
noveco, tāpēc arvien biežāk tiek izmantoti mākslīgā intelekta risinājumi.
Darbā tiek sagatavota datu bāze, veikta datu apstrāde un izveidoti modeļi
kredītriska novērtēšanai ar trīs klasēm un nelīdzsvaroti sadalītiem datiem,
izmantojot trīs dažādus klasifikācijas algoritmus – Naive Bayes, lēmumu koku un
Random Forest. Modeļu veiktspēja tiek novērtēta un salīdzināta, izmantojot
kļūdu matricu un precizitātes rādītājus. No veiktās mašīnmācīšanās modeļu
salīdzināšanas tiek secināts, ka kredītriska noteikšanai ar trīs klasēm
atbilstošākais mašīnmācīšanās modelis ir Random Forest modelis. Darba gaitā
tiek noskaidrots, ka mašīnmācīšanās integrēšana datu bāzēs nodrošina iespēju
veikt datu apstrādi un analīzi vienā vidē bez nepieciešamības datus pārvietot, tādā
veidā uzlabojot datu drošību un apstrādes laiku.
Darba apjoms ir 51 lapaspuse. Darbs sastāv no 7 attēliem, 8 tabulām, 1
pielikuma un 26 informācijas avotiem. |
| Atslēgas vārdi |
MAŠĪNMĀCĪŠANĀS, KREDĪTRISKA NOVĒRTĒŠANA, ORACLE MACHINE LEARNING VIDE |
| Atslēgas vārdi angļu valodā |
MACHINE LEARNING, CREDIT RISK EVALUATION, ORACLE MACHINE LEARNING ENVIROMENT |
| Valoda |
lv |
| Gads |
2026 |
| Darba augšupielādes datums un laiks |
25.05.2026 21:41:26 |
