Συγκριτική θεώρηση τεχνικών μηχανικής μάθησης μέσω της εφαρμογής τους σε πραγματικά δεδομένα για την πρόβλεψη αξιόπιστων πελατών στον τραπεζικό κλάδο χορηγήσεων στεγαστικών δανείων

Η μηχανική μάθηση (Machine Learning) και οι αλγόριθμοί της, όπως και η επιστήμη των υπολογιστών, αποτελούν τομείς ανάπτυξης στους οποίους έχουν επικεντρωθεί οι επιστήμονες και παρουσιάζουν συνεχή πρόοδο. Κύριος στόχος των προσπαθειών αυτών είναι η διευκόλυνση διαφόρων διαδικασιών στη καθημερινότητα...

Πλήρης περιγραφή

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριος συγγραφέας:	Δημητρόπουλος, Γεώργιος
Άλλοι συγγραφείς:	Dimitropoulos, Georgios
Γλώσσα:	Greek
Έκδοση:	2021
Θέματα:	Μηχανική μάθηση Εξόρυξη δεδομένων Τραπεζικός τομέας Στεγαστικά δάνεια Machine learning Data mining Banking sector Residential loan
Διαθέσιμο Online:	http://hdl.handle.net/10889/15447

id	nemertes-10889-15447
record_format	dspace
spelling	nemertes-10889-154472022-09-05T14:03:34Z Συγκριτική θεώρηση τεχνικών μηχανικής μάθησης μέσω της εφαρμογής τους σε πραγματικά δεδομένα για την πρόβλεψη αξιόπιστων πελατών στον τραπεζικό κλάδο χορηγήσεων στεγαστικών δανείων A comparative consideration of machine learning techniques through their application to real data for the prediction of reliable customers in residential loans sector Δημητρόπουλος, Γεώργιος Dimitropoulos, Georgios Μηχανική μάθηση Εξόρυξη δεδομένων Τραπεζικός τομέας Στεγαστικά δάνεια Machine learning Data mining Banking sector Residential loan Η μηχανική μάθηση (Machine Learning) και οι αλγόριθμοί της, όπως και η επιστήμη των υπολογιστών, αποτελούν τομείς ανάπτυξης στους οποίους έχουν επικεντρωθεί οι επιστήμονες και παρουσιάζουν συνεχή πρόοδο. Κύριος στόχος των προσπαθειών αυτών είναι η διευκόλυνση διαφόρων διαδικασιών στη καθημερινότητα των εργαζομένων με τη χρήση νέων εργαλείων, αλλά και γενικότερα των ανθρώπων, μέσα από τη δημιουργία διαφόρων προγραμμάτων και εφαρμογών λογισμικού. Ο τομέας που παρουσιάζει ιδιαίτερη άνθιση τα τελευταία χρόνια είναι η εξόρυξη δεδομένων (Data Mining). Η επιστήμη της εξόρυξης χρήσιμης πληροφορίας από σύνολα ή βάσεις δεδομένων μεγάλου μεγέθους, όπως είναι ο ακριβής ορισμός της, χαρακτηρίζεται ως μία επαναληπτική διαδικασία, η οποία χρησιμοποιεί διάφορες τεχνικές και μεθόδους προκειμένου να εξάγει χρήσιμη γνώση για τον άνθρωπο. Η εξόρυξη δεδομένων βρίσκει εφαρμογή σε πάρα πολλούς κλάδους της καθημερινότητας. Από το τρόπο με τον οποίο αγοράζει μία απλή νοικοκυρά, μέχρι την βιολογία και τον τροπή που παίρνουν οι κλιματολογικές αλλαγές. Ένας από αυτούς είναι και ο τραπεζικός κλάδος. Οι τράπεζες προσπαθούν να εκμεταλλευτούν αυτόν τον τεράστιο όγκο δεδομένων που συρρέουν στα συστήματα τους καθημερινά, έτσι ώστε να μπορέσουν να βελτιώσουν τις παροχές και τη συμπεριφορά τους απέναντι στο καταναλωτικό κοινό. Παράλληλα, επιθυμούν να διασφαλίσουν και οι ίδιες της βιωσιμότητά τους, χρησιμοποιώντας την εξόρυξη δεδομένων για τη διαχείριση κινδύνων, την ανίχνευση ξεπλύματος χρήματος, το μάρκετινγκ και πολλούς άλλους τομείς. Ένας από αυτούς, είναι και η διαδικασία χορήγησης ενός στεγαστικού δανείου, χρησιμοποιώντας την εξόρυξη δεδομένων προκειμένου να προσπαθήσουν να εξασφαλίσουν την αποπληρωμή του δανείου, αναλύοντας με τον σωστό τρόπο τα χαρακτηριστικά των υποψήφιων πελατών. Machine learning and its algorithms, also like computer science, are areas of development that scientists have focused on and show continuous progress. The main objective of these efforts is to facilitate various processes in the everyday life of employees using new tools, but also people in general, through the creation of various software programs and applications. The sector that has flourished in recent years is Data Mining. The science of extracting useful information from large-scale sets or databases, as is its exact definition, is characterized as an iterative process, which uses various techniques and methods in order to extract useful knowledge for humans. Data Mining is being used in many branches of everyday life. From the way a simple housewife buys, to the biology and the way climate change. One of them is also the banking industry. Banks are trying to exploit this huge amount of data that flows into their systems every day, so that they can improve their benefits and behavior towards the consumer public. At the same time, they wish to ensure their own sustainability, using data mining for risk management, money laundering detection, marketing, and many other areas. One of them is the process of granting a mortgage loan, using data Mining in order to try to secure the repayment of the loan, analyzing in the right way the characteristics of prospective customers. 2021-10-26T06:23:32Z 2021-10-26T06:23:32Z 2021-10-21 http://hdl.handle.net/10889/15447 gr application/pdf
institution	UPatras
collection	Nemertes
language	Greek
topic	Μηχανική μάθηση Εξόρυξη δεδομένων Τραπεζικός τομέας Στεγαστικά δάνεια Machine learning Data mining Banking sector Residential loan
spellingShingle	Μηχανική μάθηση Εξόρυξη δεδομένων Τραπεζικός τομέας Στεγαστικά δάνεια Machine learning Data mining Banking sector Residential loan Δημητρόπουλος, Γεώργιος Συγκριτική θεώρηση τεχνικών μηχανικής μάθησης μέσω της εφαρμογής τους σε πραγματικά δεδομένα για την πρόβλεψη αξιόπιστων πελατών στον τραπεζικό κλάδο χορηγήσεων στεγαστικών δανείων
description	Η μηχανική μάθηση (Machine Learning) και οι αλγόριθμοί της, όπως και η επιστήμη των υπολογιστών, αποτελούν τομείς ανάπτυξης στους οποίους έχουν επικεντρωθεί οι επιστήμονες και παρουσιάζουν συνεχή πρόοδο. Κύριος στόχος των προσπαθειών αυτών είναι η διευκόλυνση διαφόρων διαδικασιών στη καθημερινότητα των εργαζομένων με τη χρήση νέων εργαλείων, αλλά και γενικότερα των ανθρώπων, μέσα από τη δημιουργία διαφόρων προγραμμάτων και εφαρμογών λογισμικού. Ο τομέας που παρουσιάζει ιδιαίτερη άνθιση τα τελευταία χρόνια είναι η εξόρυξη δεδομένων (Data Mining). Η επιστήμη της εξόρυξης χρήσιμης πληροφορίας από σύνολα ή βάσεις δεδομένων μεγάλου μεγέθους, όπως είναι ο ακριβής ορισμός της, χαρακτηρίζεται ως μία επαναληπτική διαδικασία, η οποία χρησιμοποιεί διάφορες τεχνικές και μεθόδους προκειμένου να εξάγει χρήσιμη γνώση για τον άνθρωπο. Η εξόρυξη δεδομένων βρίσκει εφαρμογή σε πάρα πολλούς κλάδους της καθημερινότητας. Από το τρόπο με τον οποίο αγοράζει μία απλή νοικοκυρά, μέχρι την βιολογία και τον τροπή που παίρνουν οι κλιματολογικές αλλαγές. Ένας από αυτούς είναι και ο τραπεζικός κλάδος. Οι τράπεζες προσπαθούν να εκμεταλλευτούν αυτόν τον τεράστιο όγκο δεδομένων που συρρέουν στα συστήματα τους καθημερινά, έτσι ώστε να μπορέσουν να βελτιώσουν τις παροχές και τη συμπεριφορά τους απέναντι στο καταναλωτικό κοινό. Παράλληλα, επιθυμούν να διασφαλίσουν και οι ίδιες της βιωσιμότητά τους, χρησιμοποιώντας την εξόρυξη δεδομένων για τη διαχείριση κινδύνων, την ανίχνευση ξεπλύματος χρήματος, το μάρκετινγκ και πολλούς άλλους τομείς. Ένας από αυτούς, είναι και η διαδικασία χορήγησης ενός στεγαστικού δανείου, χρησιμοποιώντας την εξόρυξη δεδομένων προκειμένου να προσπαθήσουν να εξασφαλίσουν την αποπληρωμή του δανείου, αναλύοντας με τον σωστό τρόπο τα χαρακτηριστικά των υποψήφιων πελατών.
author2	Dimitropoulos, Georgios
author_facet	Dimitropoulos, Georgios Δημητρόπουλος, Γεώργιος
author	Δημητρόπουλος, Γεώργιος
author_sort	Δημητρόπουλος, Γεώργιος
title	Συγκριτική θεώρηση τεχνικών μηχανικής μάθησης μέσω της εφαρμογής τους σε πραγματικά δεδομένα για την πρόβλεψη αξιόπιστων πελατών στον τραπεζικό κλάδο χορηγήσεων στεγαστικών δανείων
title_short	Συγκριτική θεώρηση τεχνικών μηχανικής μάθησης μέσω της εφαρμογής τους σε πραγματικά δεδομένα για την πρόβλεψη αξιόπιστων πελατών στον τραπεζικό κλάδο χορηγήσεων στεγαστικών δανείων
title_full	Συγκριτική θεώρηση τεχνικών μηχανικής μάθησης μέσω της εφαρμογής τους σε πραγματικά δεδομένα για την πρόβλεψη αξιόπιστων πελατών στον τραπεζικό κλάδο χορηγήσεων στεγαστικών δανείων
title_fullStr	Συγκριτική θεώρηση τεχνικών μηχανικής μάθησης μέσω της εφαρμογής τους σε πραγματικά δεδομένα για την πρόβλεψη αξιόπιστων πελατών στον τραπεζικό κλάδο χορηγήσεων στεγαστικών δανείων
title_full_unstemmed	Συγκριτική θεώρηση τεχνικών μηχανικής μάθησης μέσω της εφαρμογής τους σε πραγματικά δεδομένα για την πρόβλεψη αξιόπιστων πελατών στον τραπεζικό κλάδο χορηγήσεων στεγαστικών δανείων
title_sort	συγκριτική θεώρηση τεχνικών μηχανικής μάθησης μέσω της εφαρμογής τους σε πραγματικά δεδομένα για την πρόβλεψη αξιόπιστων πελατών στον τραπεζικό κλάδο χορηγήσεων στεγαστικών δανείων
publishDate	2021
url	http://hdl.handle.net/10889/15447
work_keys_str_mv	AT dēmētropoulosgeōrgios synkritikētheōrēsētechnikōnmēchanikēsmathēsēsmesōtēsepharmogēstoussepragmatikadedomenagiatēnproblepsēaxiopistōnpelatōnstontrapezikokladochorēgēseōnstegastikōndaneiōn AT dēmētropoulosgeōrgios acomparativeconsiderationofmachinelearningtechniquesthroughtheirapplicationtorealdataforthepredictionofreliablecustomersinresidentialloanssector
_version_	1771297241323012096

Παρόμοια τεκμήρια