Tehnike rudarenja podataka za procjenu kreditnog rizika

undergraduate thesis

• Title (english): Data Mining Techniques for Credit Risk Assessment Task
• Author: Matea Pakšec
• Mentor: Dijana Oreški (mentor); MBZ: 318615
• Committee member: Irena Kedmenec; MBZ: 318626
• Granter: University of Zagreb; Faculty of Organization and Informatics; (Department of Information Systems Development); Varaždin
• Defense date and country: 2019-09-17, Croatia
• Scientific / art field, discipline and subdiscipline: SOCIAL SCIENCES; Information and Communication Sciences; Organization and Informatics

Abstract

Tema ovog završnog rada dobro je opisana samim naslovom. Danas, u urbanom svijetu, potrebni su krediti kako bi si pojedinci i poduzetnici ostvarili ciljeve koji su nemogući. Zbog same velike potražnje za kreditima i kreditiranjem, banke i ostale financijske institucije dolaze u pitanje kreditnog rizika. Svaka banka ima svoju strategiju prilikom odobravanja kredita za pojedinca ili poduzetnika. Pojedinci i poduzetnici podliježu provjerama banaka kako bi se ustanovila njihova kreditna sposobnosti, a ujedno banke zaštitile od loših klijenata. Ovakvi procesi zahtijevaju razne postupke koji mogu dugo trajati, pa čak i biti nepouzdani. Ovdje ulazi rudarenje podataka kao najnovija i najučinkovitija metoda sprječavanja kreditnog rizika. U ovom radu korištena je jedna od metoda rudarenja podataka pomoću koje ću pokušati riješiti određeni problem.

• Keywords: rudarenje podataka; stablo odlučivanja; kreditni rizik
• Language: croatian
• URN:NBN: urn:nbn:hr:211:579030
• Study programme: Title: Economics of Entrepreneurship; Study programme type: university; Study level: undergraduate; Academic / professional title: sveučilišni/a prvostupnik/prvostupnica (baccalaureus/baccalaurea) ekonomije (sveučilišni/a prvostupnik/prvostupnica (baccalaureus/baccalaurea) ekonomije)
• Type of resource: Text
• File origin: Born digital
• Access conditions: Open access
• Created on: 2020-04-27 08:06:49