Publication: Методи класифікації незбалансованих наборів даних у задачах Fraud Detection
| cris.virtual.department | #PLACEHOLDER_PARENT_METADATA_VALUE# | |
| cris.virtual.orcid | #PLACEHOLDER_PARENT_METADATA_VALUE# | |
| cris.virtualsource.department | b5777ed7-04aa-43b6-b827-4241992c7b92 | |
| cris.virtualsource.orcid | b5777ed7-04aa-43b6-b827-4241992c7b92 | |
| dc.contributor.author | Жучков, Сергій | |
| dc.date.accessioned | 2023-09-28T15:42:41Z | |
| dc.date.available | 2023-09-28T15:42:41Z | |
| dc.date.issued | 2023 | |
| dc.description.abstract | Метою цієї дипломної роботи є дослідження, застосування та порівняння методів класифікації незбалансованих наборів даних в задачах виявлення фроду, також знаходження підходящих методів кластерізацій для покращення якості моделі прогнозування. | uk_UA |
| dc.description.abstract | Результати дипломної роботи включають детальний аналіз та оцінку методів класифікації незбалансованих даних, включаючи їх ефективність прогнозування шахрайських транзакцій. | uk_UA |
| dc.description.abstract | Використовується мова програмування Python із бібліотеками, такими як Pandas, NumPy, Matplotlib, Seaborn та Scikit-learn, для обробки даних, виконання аналізу та прогнозування. Інноваційність роботи відрізняється своїм підходом до вибору та застосування методів, які оптимально підходять для обробки незбалансованих даних. | uk_UA |
| dc.identifier.uri | http://ir.nmu.org.ua/handle/123456789/164925 | |
| dc.language.iso | uk | uk_UA |
| dc.title | Методи класифікації незбалансованих наборів даних у задачах Fraud Detection | uk_UA |
| dc.type | Learning Object | uk_UA |
| dspace.entity.type | Publication |