TSI logo
LV EN
Home > Par mums > Struktūra un pārvaldība > Anotācijas

LĪMENIS

PROGRAMMA

FAKULTĀTE

GADS

VALODA

ATSLĒGVĀRDI

Nosaukums Vadītājs Līmenis
Maģistrs 2024
Fakultāte: Inženierzinātņu fakultāte

Studiju programma: Datorzinātnes

Vairāk...

Profesionālais maģistrs 2024
Fakultāte: Transporta un vadībzinātņu fakultāte

Studiju programma: Aviācijas vadība

Vairāk...

Boosting algoritmi kredītkaršu krāpšanas atklāšanai dažādās datu kopās

Manuāla pārskatīšana un noteikumu bāzētas sistēmas, kā arī datu ieguves tehnikas, piemēram, klasterēšanas un klasifikācijas algoritmi, ir būtiski kredītkaršu krāpšanas atklāšanai, jo tie palīdz identificēt krāpnieciskas transakcijas. Neskatoties uz apmācības datu vākšanas grūtībām, nesen ir pieejami vairāk dati, tomēr pilnīga pašreizējo mašīnmācīšanās pieeju salīdzināšana vēl nav veikta. Algoritmi, piemēram, XGBoost, AdaBoost un Gradient Boosting Machine, bieži pārspēj vecākas metodes. Šajā pētījumā tiek salīdzināti palielināšanas algoritmi ar tradicionālām pieejām, izmantojot trīs dažādas kredītkaršu transakciju datu kopas: sintētiskas, līdzsvarotas ar 50% krāpnieciskām transakcijām un ļoti nesabalansētas ar tikai 0,17% krāpnieciskām transakcijām. Īstajās transakciju datu kopās bija 28 anonimizēti parametri, piemēram, laiks un vieta. Katrs algoritms tika novērtēts pēc F1 score, accuracy, precision, un recall. Šis pētījums sniedz ieteikumus par algoritmu izmantošanu reālās situācijās, sniedzot vērtīgas atziņas nākotnes pētījumiem un praktiskai izmantošanai kredītkaršu krāpšanas atklāšanā.

Autors: Justs Vīdušs

Vadītājs: Nadežda Spiridovska

Līmenis: Maģistrs

Gads: 2024

Darba valoda: Angļu

Studiju programma: Datorzinātnes

Vairāk...

Mākslīgais intelekts apkalpes plānošanai aviācijas sektorā

Šis pētījums cenšas izpētīt faktorus, kas saistīti ar mākslīgā intelekta (MI) pielietošanu apkalpes plānošanā un grafikā zemo izmaksu aviokompānijās, par pamatu ņemot IndiGO, lai mazinātu cilvēkresursu laiku un pūles un palielinātu efektivitāti. Pētījums aplūko iespēju izmantot mākslīgā intelekta piedāvāto modeli, lai plānotu caur lēmumu atbalsta sistēmu,samazinot cilvēka kļūdu iespējamību.Izmantotās tehnikas ietver plašu literatūras pārskatīšanu, sešas kvalitatīvas intervijas ar diviem respondentiem no katras nozares un 109 kvantitatīvas tiešsaistes aptaujas apkalpes plānošanas nodaļas respondentiem. Aptaujas laikā savāktie dati tika analizēti un prezentēti grafiku veidā, lai atvieglotu šī pētījuma interpretāciju, koncentrējoties uz izaicinājumiem un izmaksām, kas saistītas ar mākslīgo intelektu. Tādējādi tehnikas, piemēram, datu samazināšana un abdukcijas loģika, tika izmantotas, lai iegūtu būtiskāko informāciju no visa informācijas kopuma. No aptaujas rezultātiem un interviju jautājumiem izriet, ka MI integrācija apkalpes plānošanā un grafikā sniedz ievērojamas priekšrocības. Pētījums arī piedāvā labāko pieeju, ko zemo izmaksu aviokompānijas var izmantot, lai samazinātu kļūdas un uzturētu veiktspēju, efektīvi parādot, ka MI pielietošana nozarē ir ievērojami izdevīga.

Autors: Slavia Robert Kanjirethingal

Vadītājs: Nadežda Spiridovska

Līmenis: Profesionālais maģistrs

Gads: 2024

Darba valoda: Angļu

Studiju programma: Aviācijas vadība

Vairāk...

Table View
Text View