Разработка и исследование методов формирования персонализированных банковских предложений для терминала электронной очереди

Банки следят за всеми тенденциями и внедряют Iot технологии, оптимизируют процессы, увеличивая скорость обслуживания. “Умный” ТЭО позволит оптимизировать процесс выстраивания клиента в очередь, уменьшив время работы клиента с терминалом. Цель диссертации – исследовать методы машинного обучения для создания модуля персонализированной рекомендации для ТЭО. Повышение качества обслуживания клиентов банковских отделений, за счет увеличения скорости использования ТЭО. В рамках данной работы был проведен обзор существующих аналогов, анализ банковских данных, анализ и исследование метода k-ближайших соседей, метода опорных векторов, Случайный лес, Наивный байесовский метод, Линейный дискриминантный анализ, Логистическая регрессия, Адаптивный Бустинг на данных ТЭО. Создан прототип Web-сайта «Умного» ТЭО с подключением к БД. Проведено тестирование Web-сайта и получен результат по оценке испытуемых – увеличение скорости работы. Объем работы – 97 страниц, она содержит 70 рисунков, 8 таблиц, 6 графиков и 24 источника литературы. Работа состоит из введения, 8 глав и заключения.