Tehnike rudarenja podataka za procjenu kreditnog rizika

završni rad

• Naslov (engleski): Data Mining Techniques for Credit Risk Assessment Task
• Autor: Matea Pakšec
• Mentor: Dijana Oreški (mentor); MBZ: 318615
• Član povjerenstva: Irena Kedmenec; MBZ: 318626
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet organizacije i informatike; (Katedra za razvoj informacijskih sustava); Varaždin
• Datum i država obrane: 2019-09-17, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: DRUŠTVENE ZNANOSTI; Informacijske i komunikacijske znanosti; Organizacija i informatika

Sažetak

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.

• Ključne riječi: rudarenje podataka; stablo odlučivanja; kreditni rizik
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:211:579030
• Studijski program: Naziv: Ekonomika poduzetništva; Vrsta studija: sveučilišni; Stupanj studija: preddiplomski; Akademski / stručni naziv: sveučilišni/a prvostupnik/prvostupnica (baccalaureus/baccalaurea) ekonomije (univ.bacc.oec.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Otvoreni pristup
• Datum i vrijeme pohrane: 2020-04-27 08:06:49