Детальная информация

Цель работы – разработка и внедрение системы автоматической проверки контрагентов с использованием методов машинного обучения. Объектом исследования является процесс проверки контрагентов при заключении контрактов. Задачи, решаемые в ходе исследования: 1. Анализ методов проверки контрагентов, применяемых в настоящее время. 2. Сбор и подготовка данных для анализа контрагентов. 3. Разработка алгоритмов машинного обучения с использованием нейронных сетей. 4. Оценка эффективности моделей и анализ результатов. 5. Внедрение и интеграция в бизнес-процессы, подготовка отчётов и документации. В ходе работы был проведён обзор текущих подходов и технологий, применяемых для проверки контрагентов. Выявлены недостатки и ограничения традиционных методов. Были проанализированы современные исследования при выборе подходящих алгоритмов машинного обучения были проанализированы современные исследования в данном направлении. Разработаны прототипы моделей для автоматической проверки контрагентов. В результате работы были выбраны подходящие прототипы моделей для автоматической проверки контрагентов. Проведено тестирование точности и эффективности предложенных моделей. Внести изменения и доработки в модели на основании полученных результатов. Полученные результаты могут быть использованы в качестве основы для обеспечения автоматизации процесса проверки контрагентов с использованием современных технологий машинного обучения.

The purpose of the work is to develop and implement an automatic counterparty verification system using machine learning methods. The object of the study is the process of checking counterparties when concluding contracts. Tasks to be solved during the research: 1. Analysis of counterparty verification methods currently used. 2. Collecting and preparing data for counterparty analysis. 3. Development of machine learning algorithms using neural networks. 4. Evaluating the effectiveness of models and analyzing the results. 5. Implementation and integration into business processes, preparation of reports and documentation. In the course of the work, an overview of the current approaches and technologies used to verify counterparties was conducted. The disadvantages and limitations of traditional methods are revealed. Modern research was analyzed when choosing suitable machine learning algorithms, modern research in this area was analyzed. Prototypes of models have been developed for automatic verification of counterparties. As a result of the work, suitable prototypes of models were selected for automatic verification of counterparties. The accuracy and effectiveness of the proposed models have been tested. Make changes and improvements to the model based on the results obtained. The results obtained can be used as a basis for automating the counterparty verification process using modern machine learning technologies.