Napovedovanje verjetnosti neplačila z nevronskimi mrežami

magistrsko delo

Urban Rajter (Avtor), Andrej Taranenko (Mentor), Peter Stanet (Komentor)

Povzetek

Umetna inteligenca se nanaša na teorijo in razvoj računalniških sistemov, ki lahko opravljajo naloge, ki običajno zahtevajo človeško inteligenco. Podskupina strojnega učenja je globoko učenje, kjer se umetne nevronske mreže, algoritmi, ki jih navdihujejo človeški možgani, učijo iz velikih količin podatkov. Podobno, kot se ljudje učimo iz izkušenj, bi algoritem globokega učenja večkrat ponovil isto nalogo in jo vsakič nekoliko prilagodil, da bi izboljšal rezultat. V tem magistrskem delu so predstavljene nevronske mreže, tipi nevronskih mrež in njihova uporaba. Podrobneje je opisana uporaba nevronskih mrež za namene napovedovanja verjetnosti neplačila. Uporabljen je model globoke nevronske mreže na anonimiziranih podatkih podjetja. Opisan je postopek priprave podatkov in postopek učenja modela na vhodnih podatkih. Analiza končnega rezultata pove, da je uporaba nevronskih mrež smiselna, saj algoritem nudi visoko natančnost.

Ključne besede

magistrsko delo;strojno učenje;nevronske mreže;globoko učenje;globoke nevronske mreže;kreditno tveganje;

Podatki

Jezik:	Slovenski jezik
Leto izida:	2021
Tipologija:	2.09 - Magistrsko delo
Organizacija:	UM FNM - Fakulteta za naravoslovje in matematiko
Založnik:	[U. Rajter]
UDK:	004.85:519.22(043.2)
COBISS:	70537219
Št. ogledov:	526
Št. prenosov:	70
Ocena:	0 (0 glasov)
Metapodatki:

Ostali podatki

Sekundarni jezik:	Angleški jezik
Sekundarni naslov:	Forecasting probability of default with neural networks
Sekundarni povzetek:	Artificial intelligence refers to the theory and development of computer systems that can perform tasks, which typically require human intelligence. Deep learning is a subset of machine learning where artificial neural networks, algorithms inspired by the human brain, learn from large amounts of data. Similarly to how people learn from experience, the deep learning algorithm would repeat the same task several times and each time adjust it slightly in order to improve the result. In this master%s thesis, we present neural networks, types of neural networks and their usage. We also thoroughly describe the use of neural networks for the purpose of forecasting the probability of default. A deep neural network algorithm is used on anonymized company data. The whole process includes data preparation and teaching the algorithm on the input data. The final analysis shows that neural networks are suitable for our problem, because the algorithm provides high accuracy.
Sekundarne ključne besede:	master theses;machine learning;neural networks;deep learning;deep neual networks;credit risk;Umetna inteligenca;Nevronske mreže (nevrobiologija);Raziskovalno učenje;Strojno učenje;Masovni podatki;Napovedovanje;Tveganje (zavarovanje);Univerzitetna in visokošolska dela;
Vrsta dela (COBISS):	Magistrsko delo/naloga
Komentar na gradivo:	Univ. v Mariboru, Fak. za naravoslovje in matematiko, Oddelek za matematiko in računalništvo
Strani:	VIII, 62 f.
ID:	13007117