DSpace JSPUI
DSpace зберігає і дозволяє легкий і відкритий доступ до всіх видів цифрового контенту, включаючи текст, зображення, анімовані зображення, MPEG і набори даних
Дізнатися більше
Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал:
http://ir.nmu.org.ua/handle/123456789/164925Повний запис метаданих
| Поле DC | Значення | Мова |
|---|---|---|
| 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.identifier.uri | http://ir.nmu.org.ua/handle/123456789/164925 | - |
| 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.language.iso | uk | uk_UA |
| dc.title | Методи класифікації незбалансованих наборів даних у задачах Fraud Detection | uk_UA |
| dc.type | Learning Object | uk_UA |
| Розташовується у зібраннях: | 2022-2023 навчальний рік | |
Файли цього матеріалу:
| Файл | Опис | Розмір | Формат | |
|---|---|---|---|---|
| ЖучковА_бак124(2023).pdf | 5,05 MB | Adobe PDF |  Переглянути/Відкрити |
Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.