Ezzel az azonosítóval hivatkozhat erre a dokumentumra forrásmegjelölésben vagy hiperhivatkozás esetén:
http://elartu.tntu.edu.ua/handle/lib/47179| Title: | Дослідження моделей та засобів аналізування банківських пропозицій з використанням штучних нейронних мереж. |
| Other Titles: | Research on models and tools for analyzing banking offers using artificial neural networks |
| Authors: | Конотоп, Максим Євгенійович Konotop, Maksym |
| Affiliation: | Тернопільський національний технічний університет імені Івана Пулюя, кафедра комп'ютерно-інтегрованих технологій |
| Bibliographic description (Ukraine): | Конотоп М. Є. Дослідження моделей та засобів аналізування банківських пропозицій з використанням штучних нейронних мереж : робота на здобуття кваліфікаційного ступеня магістра : спец. 174 - автоматизація, комп’ютерно-інтегровані технології та робототехніка / наук. кер. М. М. Митник. Тернопіль : Тернопільський національний технічний університет імені Івана Пулюя, 2024. 69 с. |
| Issue Date: | 23-Dec-2024 |
| Date of entry: | 4-Jan-2025 |
| Publisher: | ТНТУ, Тернопіль |
| Country (code): | UA |
| Place of the edition/event: | Тернопільський національний технічний університет ім. І. Пулюя, Факультет прикладних інформаційних технологій та електроінженерії, Кафедра комп’ютерно-інтегрованих технологій |
| Institution defense: | ЕК №22, 2024 р. |
| Supervisor: | Митник, Микола Мирославович Mytnyk, Mykola |
| Committee members: | Марущак, Павло Орестович Marushchak, Pavlo |
| UDC: | 681.1 |
| Keywords: | 174 "Автоматизація, комп’ютерно-інтегровані технології та робототехніка" автоматизація та комп’ютерно-інтегровані технології нейронна мережа порівняння ефективності нейронних мереж аналіз банківських пропозицій парсинг модульна система neural network modular system analysis of bank offers comparison of the efficiency of neural networks parsing |
| Number of pages: | 69 |
| Abstract: | У даній магістерській кваліфікаційній роботі було визначено та проаналізовано проблему класифікації моделей аналізу банківських пропозицій за допомогою штучних нейронних мереж. Мета створення даного дослідження є розробка моделі інформаційної системи для аналізування банківських пропозицій за допомогою ШНМ, та проведення дослідження – вияснення доцільності створення такого продукту, котрий допоможе користувачам приймати більш зважені рішення щодо майбутніх інвестицій, або отримання кредитування. Як результат було проаналізовано чотири різних моделей штучних нейронних мереж для аналізування банківських пропозицій. Було використано такі технології: 1)Користувацький сайт розроблений за допомогою: Blazor Server, Razor. 2)Серверна частина: ASP.NET Core 8, Entity Framework 8, Azure Cosmos SDK. 3)Модуль нейронної мережі для аналізу: ML.NET. В котрому експериментально було визначено найефективніший алгоритм для навчання нейронної мережі. 4)Модуль парсингу даних по пропозиціям: Використовує HtmlAgilityPack для веб-скрапінгу банківських пропозицій з ресурсу BANKIUA. In this master's qualification work, the problem of classifying models for analyzing bank offers using artificial neural networks was identified and analyzed. The purpose of this study is to develop a model of an information system for analyzing bank offers using NN, and to conduct a study to find out the feasibility of creating such a product that will help users make more informed decisions about future investments or obtaining loans. As a result, four different models of artificial neural networks were analyzed to analyze bank offers. The following technologies were used: 1) The client site is developed using: Blazor Server, Razor. 2) Backend: ASP.NET Core 8, Entity Framework 8, Azure Cosmos SDK. 3) Neural network module for analysis: ML.NET. In which the most effective algorithm for training a neural network was experimentally determined. 4) Offer data parsing module: Uses HtmlAgilityPack to scrape bank offers from the BANKIUA resource. |
| Description: | Роботу виконано на кафедрі комп’ютерно-інтегрованих технологій Тернопільського національного технічного університету імені Івана Пулюя Міністерства освіти і науки України. Захист відбудеться 23 грудня 2024 р. о 09 .00 годині на засіданні екзаменаційної комісії № 22 у Тернопільському національному технічному університеті імені Івана Пулюя за адресою: 46001, м. Тернопіль, вул. Руська, 56, навчальний корпус №1, ауд. 403 |
| Content: | АНОТАЦІЯ 4 ПЕРЕЛІК СКОРОЧЕНЬ, УМОВНИХ ПОЗНАЧЕНЬ, СИМВОЛІВ, ОДИНИЦЬ І ТЕРМІНІВ 7 ВСТУП 8 1. АНАЛІТИЧНА ЧАСТИНА 10 1.1. Аналіз стану питання за літературними та іншими джерелами 10 1.1.1. Історичний огляд розвитку досліджень у галузі застосування ШІ в банківській сфері 10 1.1.2. Аналіз існуючих підходів до персоналізації фінансових послуг 10 1.2. Актуальність виконання роботи 12 1.3. Методи вирішення поставленої задачі 13 1.4. Висновки та постановка задач на кваліфікаційну роботу магістра 13 2. ТЕХНОЛОГІЧНА ЧАСТИНА 16 2.1. Підготовка даних 16 2.1.1. Збір даних 16 2.1.2. Очищення даних 19 2.1.3. Формування навчального та тестового наборів 19 2.2. Алгоритми моделей 20 2.2.1. Алгоритм градієнтного бустингу (LightGbm) 20 2.2.2. Алгоритм швидкі дерева (Fast tree) 21 2.2.3. Алгоритм швидкий ліс (Fast forest) 22 2.2.4. Алгоритм оптимізації з обмеженою пам'яттю (L-BFGS) 23 2.3. Оцінка моделей 24 3. КОНСТРУКТОРСЬКА ЧАСТИНА 28 3.1. Архітектура системи 28 3.1.1. Загальна архітектура системи 28 3.1.2. Діаграма послідовностей 31 3.1.3. Діаграма станів 33 3.1.4. Схема бази даних. 35 3.2. Розробка програмного забезпечення 35 Інструкції програмісту 35 3.2.1. Встановлення IDE 36 3.2.2. Завантаження проекту 38 3.2.3. Проекти у контейнерах 40 3.3. Інформаційна взаємодія 41 3.4. Розгортання та масштабування 42 3.4.1. Розуміння контейнерної архітектури 42 3.4.2. Варіанти розгортання контейнерів в Azure 42 3.4.3. Процес розгортання 43 3.4.5. Переваги контейнерного підходу 44 4. НАУКОВО-ДОСЛІДНА ЧАСТИНА 45 4.1. Експерименти та результати 45 4.1.1. Підготовка експериментальних даних 45 4.1.2. Експеримент з алгоритмом L-BFGS 47 4.1.2.1. Навчання на дата сеті з довжиною 50 стрічок 47 4.1.2.2. Навчання на дата сеті з довжиною 100 стрічок 49 4.1.3. Експеримент з алгоритмом Fast Forest 49 4.1.3.1. Навчання на дата сеті з довжиною 50 стрічок 49 4.1.3.2. Навчання на дата сеті з довжиною 100 стрічок 51 4.1.4. Експеримент з алгоритмом Fast Tree 51 4.1.4.1. Навчання на дата сеті з довжиною 50 стрічок 51 4.1.4.2. Навчання на дата сеті з довжиною 100 стрічок 53 4.1.5. Експеримент з алгоритмом LightGbm 54 4.1.5.1. Навчання на дата сеті з довжиною 50 стрічок 54 4.1.5.2. Навчання на дата сеті з довжиною 100 стрічок 55 4.1.6. Порівняння результатів роботи алгоритмів 56 5. СПЕЦІАЛЬНА ЧАСТИНА 59 5.1. Формулювання наукової проблеми 59 5.1.1. Мета дослідження 59 5.1.2. Завдання дослідження 59 5.2. Методологія дослідження 60 5.2.1. Вибір алгоритмів 60 5.2.2. Підготовка даних 60 5.2.3. Налаштування гіперпараметрів: 61 5.2.4. Оцінка моделей 61 5.2.5. Порівняння моделей 61 5.2.6. Обмеження дослідження 61 6. ОХОРОНА ПРАЦІ ТА БЕЗПЕКА В НАДЗВИЧАЙНИХ СИТУАЦІЯХ 62 6.1. Цифрова безпека при роботі з банківськими даними 62 6.2. Психологічні аспекти роботи з великими даними 63 6.3. Безпека роботи за комп'ютером 63 ВИСНОВКИ 65 ПЕРЕЛІК ПОСИЛАНЬ 66 ДОДАТОК А 67 |
| URI: | http://elartu.tntu.edu.ua/handle/lib/47179 |
| Copyright owner: | © Конотоп М.Є., 2024 |
| References (Ukraine): | 1. ML.NET [Електронний ресурс]. Режим доступу до ресурсу: https://dotnet.microsoft.com/en-us/apps/machinelearning-ai/ml-dotnet 2. LightGBM [Електронний ресурс]. Режим доступу до ресурсу: https://lightgbm.readthedocs.io/en/latest/index.html 3. .NET Aspire [Електронний ресурс]. Режим доступу до ресурсу: https://devblogs.microsoft.com/dotnet/introducing-dotnet-aspire-simplifying-cloud-native-development-with-dotnet-8/ 4. BankiUA [Електронний ресурс]. Режим доступу до ресурсу: https://banki.ua/deposit 5. MinfinUA [Електронний ресурс]. Режим доступу до ресурсу: https://minfin.com.ua/ua/currency/ 6. Вимоги щодо безпечності контрольно-вимірювального та лабораторного електричного устаткування. Частина 2-020. Додаткові вимоги до лабораторних центрифуг (EN 61010-2-020:1994, IDT): ДСТУ EN 61010-2-020:2005. [Чинний від 2007-01-01]. Київ: Держспоживстандарт України, 2007. IV, 18 с. (Національний стандарт України). 7. Безпека інформації. Вимоги до управління ризиками інформаційною безпекою (ISO/IEC 27001:2013, IDT): ДСТУ ISO/IEC 27001:2014. [Чинний від 2014-03-01]. Київ: Держспоживстандарт України, 2014. IV, 30 с. (Національний стандарт України). 8. Курс лекцій з дисципліни “Системний аналіз видавничих процесів” для студентів інженерного рівня підготовки по спеціальності “Видавництво та поліграфія” (шифр 186) ”/ Укл. доц. Ковівчак Я. В., доц. Лотошинська Н. Д. – Львів-2019. – 32 с. 9. Іванов О.В., Петров С.О. Модель та засоби інформаційної системи аналізу банківських пропозицій з використанням штучних нейронних мереж. Київ: Київ. ун-т, 2023. 120 с. 10. Павлов О.В., Гаврилюк В.В. Інформаційні технології в банківській справі. Львів: ЛНУ, 2021. 240 с. 11. Коваленко В.О., Ігнатенко О.В. Штучні нейронні мережі: основи теорії та застосування. Харків: Основа, 2022. 256 с. 12. Мочурад Л., Цьона І., Побудова діаграм моделювання роботи інформаційної системи розподілу навантаження викладачів // Impactofmodernityonscienceandpractice. Abstractsof XII internationalscientificandpracticalconference. Edmonton, Canada 2020. pp. 105-108. 13. Шаховська Н. Б., Литвин В. В. Проектування інформаційних систем: навчальний посібник / Н. Б. Шаховська, В. В. Литвин. -Львів: 'Магнолія-2006", 2011. - 380 с. 14. Міщенко, В. В. (2023). Модель та засоби інформаційної системи аналізу банківських пропозицій з використанням штучних нейронних мереж. /Київ: Видавництво "К. І.С.". 15. Ковальчук, О. М. (2023). Аналіз банківських пропозицій з використанням штучних нейронних мереж. Київ: Видавництво Національного банку України. 16. Левицький В.В. Методичні вказівки для виконання курсового проєкту з дисципліни «Ідентифікація та моделювання технологічних об’єктів» для студентів спеціальності 174 «Автоматизація, комп’ютерно-інтегровані технології та робототехніка» / уклад. В. В. Левицький. // ТНТУ. – 2024. – С. 49. 17. Микитишин А.Г. Методичні рекомендації з виконання, оформлення та захисту кваліфікаційних робіт магістрів спеціальності 174 – «Автоматизація, комп’ютерно-інтегровані технології та робототехніка» / ТНТУ ім. І. Пулюя; уклад. А.Г. Микитишин, М.М. Митник, В.В. Левицький, Р.І. Королюк – Тернопіль: ТНТУ, 2024. – 82 с. 18. Микитишин А.Г. Методичні рекомендації з виконання, оформлення та захисту кваліфікаційних робіт магістрів спеціальності 151 – «Автоматизація та комп’ютерно-інтегровані технології» / ТНТУ ім. І. Пулюя; уклад. А.Г. Микитишин, М.М. Митник, В.В. Левицький, Р.І. Королюк – Тернопіль: ТНТУ, 2022. – 84 с. 19. Левицький В.В. Методичні вказівки до виконання курсового проєкту з дисципліни «Основи автоматизованого проєктування складних об’єктів та систем» для здобувачів освітнього рівня магістр за спеціальністю 174"Автоматизація, комп’ютерно-інтегровані технології та робототехніка" / Уклад. В.В. Левицький, І.С. Дідич – Тернопіль: ТНТУ, 2023. - 44 с. |
| Content type: | Master Thesis |
| Appears in Collections: | 151 — автоматизація та комп’ютерно-інтегровані технології, 174 Автоматизація, комп’ютерно-інтегровані технології та робототехніка |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| KRM_Konotop_M_2024.pdf | Кваліфікаційна робота магістра | 1,72 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.
Admin Tools