Full metadata record
DC poleHodnotaJazyk
dc.contributor.advisorLukáš, Ladislav
dc.contributor.authorHarmady, Jan
dc.contributor.refereePotměšil, Jaroslav
dc.date.accepted2015-06-03
dc.date.accessioned2016-03-15T08:42:51Z-
dc.date.available2014-10-24cs
dc.date.available2016-03-15T08:42:51Z-
dc.date.issued2015
dc.date.submitted2015-04-24
dc.identifier57781
dc.identifier.urihttp://hdl.handle.net/11025/18148
dc.description.abstractPrezentovaná diplomová práce se zabývá problematikou klasifikace žadatelů o spotřebitelský úvěr podle jejich schopnosti požadovaný úvěr splatit. V teoretické části je nastíněna problematika spotřebitelských úvěrů spolu s důvody pro efektivní měření úvěrového rizika. Dále jsou v práci popsány vybrané metody strojového učení, ze kterých je největší pozornost věnována technice podpůrných vektorů (Support Vector Machine). V praktické části jsou v softwaru Wolfram Mathematica a v programovacím jazyce Java implementovány algoritmy pro zpracování trénovacích dat a sestavení modelu s jeho následnou vizualizací. Pomocí implementovaných algoritmů jsou zpracovány různé tréninkové sady dat. V závěru práce jsou dosažené výsledky zhodnoceny a jsou doporučeny možnosti dalšího pokračování práce.cs
dc.format87 s. (115 819 znaků)cs
dc.format.mimetypeapplication/pdf
dc.language.isocscs
dc.publisherZápadočeská univerzita v Plznics
dc.rightsPlný text práce je přístupný bez omezení.cs
dc.subjectsupport vector machinecs
dc.subjectsvmcs
dc.subjectbonitacs
dc.subjectstrojové učenícs
dc.subjectspotřebitelský uvěrcs
dc.subjectklasifikace datcs
dc.subjectwolfram mathematicacs
dc.titleHodnocení spotřebitelských úvěrů pomocí SVM techniky s využitím sw nástroje Mathematicacs
dc.title.alternativeThe evaluation of consumer loans using SVM technique using sw Mathematicaen
dc.typediplomová prácecs
dc.thesis.degree-nameIng.cs
dc.thesis.degree-levelNavazujícícs
dc.thesis.degree-grantorZápadočeská univerzita v Plzni. Fakulta ekonomickács
dc.thesis.degree-programSystémové inženýrství a informatikacs
dc.description.resultObhájenocs
dc.rights.accessopenAccessen
dc.description.abstract-translatedThe presented Diploma thesis deals with the classification of applicants for consumer loans according their creditworthiness. Theoretical part of presented work is focused on description of consumer loans, credit risk and reason for managing this risk. In the theoretical part, there are also described methods of machine learning with special attention on Support Vector Machine techniques. In the practical part of work, there are implemented algorithms using Wolfram Mathematica and Java programing language for processing training data, model creation and visualization of model, in particular. Implemented algorithms are used to classification of different data training sets. Conclusion contains evaluation of results along with recommendations for future work.en
dc.subject.translatedsupport vector machineen
dc.subject.translatedsvmen
dc.subject.translatedcreditworthinessen
dc.subject.translatedmachine learningen
dc.subject.translatedconsumer loansen
dc.subject.translateddata classificationen
dc.subject.translatedwolfram mathematicaen
Vyskytuje se v kolekcích:Diplomové práce / Theses (KEM)

Soubory připojené k záznamu:
Soubor Popis VelikostFormát 
DP_harmady_2015.pdfPlný text práce1,6 MBAdobe PDFZobrazit/otevřít
vedouci-Harmady vedouci.pdfPosudek vedoucího práce1,26 MBAdobe PDFZobrazit/otevřít
oponent-Harmady oponent.pdfPosudek oponenta práce594,41 kBAdobe PDFZobrazit/otevřít
obhajoba-obhajoba Harmady.pdfPrůběh obhajoby práce187,81 kBAdobe PDFZobrazit/otevřít


Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam: http://hdl.handle.net/11025/18148

Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.