Программное средство оптимизации принятия решений о выдаче кредита физическим лицам на основе анализа рисков ИИ

1. Программное средство оптимизации принятия решений о выдаче кредита физическим лицам на основе анализа рисков искусственным

МИНИСТЕРСТВО НАУКИ И ВЫСШЕГО ОБРАЗОВАНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ
ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ
ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ
«ДОНСКОЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ» (ДГТУ)
КАФЕДРА «ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ ВЫЧИСЛИТЕЛЬНОЙ ТЕХНИКИ И
АВТОМАТИЗИРОВАННЫХ СИСТЕМ»
Выпускная квалификационная работа
на тему:
ПРОГРАММНОЕ СРЕДСТВО
ОПТИМИЗАЦИИ ПРИНЯТИЯ РЕШЕНИЙ О
ВЫДАЧЕ КРЕДИТА ФИЗИЧЕСКИМ ЛИЦАМ
НА ОСНОВЕ АНАЛИЗА РИСКОВ
ИСКУССТВЕННЫМ ИНТЕЛЛЕКТОМ
Разработала ст. группы ВПР-43
Залеская Ксения Леонидовна
Руководитель:
доцент кафедры ПОВТиАС, к.т.н. доц. Криворучко А.В.

2. Цель и задачи работы

ЦЕЛЬ И ЗАДАЧИ РАБОТЫ
Цель:
автоматизация процесса принятия кредитного решения с
графическим интерфейсом на платформе Android.
Задачи:
изучить предметную область, связанную с оценкой рисков при
выдаче кредитов клиентам банка;
собрать и подготовить данные для обучения модели;
выбрать библиотеку и обучить нейронную сеть для принятия
решения о выдаче кредита;
расставить веса атрибутам датасета нейронной сети для обучения;
оценить качество модели;
разработать клиент-серверное приложение для интегрирования
обученной нс сетью для принятия кредитного решения.
2

3. Обзор аналогов

ОБЗОР АНАЛОГОВ
Преимущества использования нейронной
сети:
автоматическое извлечение признаков: нейросеть
–
способна
самостоятельно
зависимости
в
данных,
выявлять
сложные
не
требуя
ручной
нейронные
сети
могут
настройки признаков;
адаптивность:
–
адаптироваться к новым данным и постоянно
улучшать свою производительность.
–
Недостатки:
вычислительная сложность: обучение нейронной
сети
может
потребовать
значительных
вычислительных ресурсов и времени;
–
непрозрачность: сложно интерпретировать, как
нейронная
сеть
приходит
к
определенному
решению.
3

4. Функции ПС

ФУНКЦИИ ПС
регистрация новых пользователей (серверная часть);
авторизация и аутентификация с использованием токенов доступа
(серверная и клиентская часть);
автоматические обновление токена в клиентском приложении доступа по
истечении срока его действия;
дополнение данных пользователя по заявкам (серверная и клиентская
часть);
кредитное решение принимается на основе 6 параметров (серверная
часть);
использование нейросети для принятия кредитного решения;
хранение дата сета нейронной сети и данных о пользователях в базе
данных.
4

5.

Алгоритмы работы ПС
Общий алгоритм взаимодействия клиента
5
с сервером
Аутентификация с использованием JWT

6.

Алгоритмы работы ПС
Алгоритм сбора
требуемых параметров
Алгоритм работы с
базой данных

7. База данных

БАЗА ДАННЫХ
7

8. Выбор программных средств

ВЫБОР ПРОГРАММНЫХ СРЕДСТВ
модель
Sequential
8

9. Описание нейронной сети для определения кредитоспособности

ОПИСАНИЕ НЕЙРОННОЙ СЕТИ ДЛЯ
ОПРЕДЕЛЕНИЯ КРЕДИТОСПОСОБНОСТИ
1. Сбор и подготовка данных
2. Категориальные данные преобразуются с помощью one-hot
кодирования.
3. Архитектура и обучение нейросети.
4. Предсказание:
после
обучения
нейросеть
может
использоваться для предсказания кредитоспособности новых
пользователей.
9

10. СЛОИ нейронной сети

СЛОИ НЕЙРОННОЙ СЕТИ
1
0

11. оценка качества модели

ОЦЕНКА КАЧЕСТВА МОДЕЛИ
1
1

12.

Процесс обучения нейронной сети при
первом запуске на стороне серверного ПО
12

13. кредитное решение

КРЕДИТНОЕ РЕШЕНИЕ
Кредитное решение принимается на основе 6 параметров
(серверная часть):
1) поле age – возраст пользователя;
2) occupation – трудовая занятость пользователя;
3) annual_income – годовой доход пользователя;
4) monthly_inhand_salary – месячная зарплата пользователя;
5) amount_invested_monthly
–
суммы
ежемесячных
платежей
пользователя;
6) payment_behaviour – информация о платежном поведении
пользователя.
month|age|occupation|annual_income|monthly_inhand_salary|num_bank_accoun
ts|num_credit_card|num_of_loan|num_credit_inquiries|credit_history_age|amoun
t_invested_monthly|payment_behaviour|monthly_balance|credit_score
1
3

14. ОБЩАЯ СХЕМА РАБОТЫ МОБИЛЬНОГО ПРИЛОЖЕНИЯ

14

15. UML диаграмма классов

UML ДИАГРАММА КЛАССОВ
15

16. POSTman запрос

POSTMAN ЗАПРОС
Запрос на авторизацию
клиента банка
Окно списка заявок клиента
банка.
16

17.

Демонстрация работы клиентского ПО
17

18.

Демонстрация работы клиентского ПО
Окно профиля клиента
банка
Окно подачи заявки клиента
18

19. Заключение

ЗАКЛЮЧЕНИЕ
В результате работы решена задача автоматизации
процесса принятия кредитного решения.
Результат работы:
Разработано клиент-серверное приложение с
интегрированной нейронной сетью для принятия
кредитного решения.
подготовлены данные для обучения модели;
составлен список из 6 параметров для нормализации;
Обученная нейронная сеть для принятия решения на
выдачу кредита;
оценено качество модели.
19

20. Спасибо за внимание !

СПАСИБО ЗА ВНИМАНИЕ !
20