| dc.contributor.advisor |
Hájek, Petr |
|
| dc.contributor.author |
Beranová, Nika
|
|
| dc.date.accessioned |
2018-06-14T06:11:51Z |
|
| dc.date.available |
2018-06-14T06:11:51Z |
|
| dc.date.issued |
2018 |
|
| dc.date.submitted |
2018-04-30 |
|
| dc.identifier |
Univerzitní knihovna (studovna) |
|
| dc.identifier.uri |
https://hdl.handle.net/10195/70964 |
|
| dc.description.abstract |
Diplomová práce se zabývá problematikou detekce finančních podvodů metodami strojového učení. Základní koncept pojednání je situován do čtyř hlavních oblastí, a sice kdy jsou v první části shrnuty základní problematiky finančních podvodů z hlediska pojmů, dělení, preventivních opatření a detekčních technik. Druhá část je zaměřena na shrnutí výsledků z reportu SEC z roku 2010-2015 a třetí část na teoretické základy strojového učení a vybrané algoritmy. Poslední část práce je věnována popisu sběru dat a jejich přípravě k měření, přičemž v poslední kapitole jsou získané výsledky porovnány a statisticky vyhodnoceny. |
cze |
| dc.format |
75 s. |
|
| dc.language.iso |
cze |
|
| dc.publisher |
Univerzita Pardubice |
cze |
| dc.rights |
Bez omezení |
|
| dc.subject |
strojové učení |
cze |
| dc.subject |
finanční podvody |
cze |
| dc.subject |
detekce |
cze |
| dc.subject |
finanční výkazy |
cze |
| dc.subject |
firmy |
cze |
| dc.subject |
machine learning |
eng |
| dc.subject |
financial fraud |
eng |
| dc.subject |
detection |
eng |
| dc.subject |
financial statement |
eng |
| dc.subject |
companies |
eng |
| dc.title |
Detekce finančních podvodů metodami strojového učení |
cze |
| dc.title.alternative |
Detecting Financial Fraud by Machine Learning Methods |
eng |
| dc.type |
diplomová práce |
cze |
| dc.contributor.referee |
Jirava, Pavel |
|
| dc.date.accepted |
2018-06-04 |
|
| dc.description.abstract-translated |
This Master's thesis deals with the issue of detection of financial frauds by machine learning. The basic concept of the treatise is situated in four main areas, although the first part summarizes the basic problems of financial frauds in terms of concepts, divisions, preventive measures and detection techniques. The other part is focused on summarizing the results from the SEC report from 2010-2015 and the final part on the theoretical foundations of machine learning and selected algorithms. The final part of the thesis is devoted to the description of data collection and its preparation for measurement, whereas in the last chapter are the obtained results compared and statistically evaluated. |
eng |
| dc.description.department |
Fakulta ekonomicko-správní |
cze |
| dc.thesis.degree-discipline |
Informatika ve veřejné správě |
cze |
| dc.thesis.degree-name |
Ing. |
|
| dc.thesis.degree-grantor |
Univerzita Pardubice. Fakulta ekonomicko-správní |
cze |
| dc.identifier.signature |
D38088 |
|
| dc.thesis.degree-program |
Systémové inženýrství a informatika |
cze |
| dc.description.defence |
Studentka seznámila komisi s tématem své diplomové práce.Komise položila otázky: Lze váš model použít i v jiném ekonomickém prostředí, aniž by nebyl přeučen? Zdůvodněte.Studentka na otázku odpověděla. |
cze |
| dc.identifier.stag |
32031 |
|
| dc.description.grade |
Dokončená práce s úspěšnou obhajobou |
cze |
