รายละเอียดโครงงาน
หลักสูตร/ปี พ.ศ. วิศวกรรมศาสตรบัณฑิต สาขาวิชาวิศวกรรมคอมพิวเตอร์ ปี พ.ศ. 2561
ภาคและปีการศึกษาที่สำเร็จการศึกษา ภาคปลาย ปีการศึกษา 2560
ประเภทโครงงาน
โครงงานวิศวกรรม
ชื่อโครงงานภาษาไทย
ระบบวิเคราะห์ความน่าเชื่อถือในการให้สินเชื่อด้วยเครื่องจักรเรียนรู้
ชื่อโครงงานภาษาอังกฤษ
Credit Scoring By Machine Learning
ผู้พัฒนา
5710501573 พรระพี ขจรเดช
อาจารย์ที่ปรึกษาหลัก
อานนท์ รุ่งสว่าง
อาจารย์ที่ปรึกษาร่วม
บัณฑิต มนัสเกษมศักดิ์
บทคัดย่อ
ในการขอสินเชื่อจากสถาบันการเงินทั่วไป ต้องมีหลายขั้นตอนในการดำเนินการไม่ว่าจะเป็น การกรอกใบสมัคร, การตรวจสอบข้อมูล, การวิเคราะห์สินเชื่อ จนไปถึงการอนุมัติ และการผ่อนชำระ ซึ่งการดำเนินการของการขอสินเชื่อจะเกิดปัญหาล่าช้าที่ขั้นตอนการวิเคราะห์สินเช่ือเป็นลักษณ์คอขวด เพราะขั้นตอนนี้ต้องใช้ความละเอียดในการวิเคราะห์ข้อมูลของบุคคลที่ทำการขอสินเชื่อเพราะอาจจะก่อให้เกิดความเสี่ยงในการผ่อนชำระไม่ตรงตามเวลาตามที่นโยบายของสถาบันการเงินที่ได้กำหนดไว้ ซึ่งจะส่งผลเสียต่อสถาบันการเงินอย่างแน่นอน
โครงงานนี้จะประเมินความเสี่ยงของบุคคลที่ทำการขอสินเชื่อด้วยระบบเครื่องจักรเรียนรู้จากข้อมูลใบสมัคร และข้อมูลเครดิตบูโร (National Credit Bureau : NCB) ของบุคคลที่ทำการขอสินเชื่อ เพื่อลดความยุ่งยากในขั้นตอนการวิเคราะห์สินเชื่อของสถาบันการเงิน โดยใช้ประกอบการตัดสินใจของผู้วิเคราะห์สินเชื่อได้ ทำให้การดำเนินการของขั้นตอนการวิเคราะห์สินเชื่อทำได้อย่างรวดเร็ว แต่มีประสิทธิภาพมากขึ้น ซึ่งจะส่งผลประโยชน์ต่อสถาบันการเงินเอง
Abstract
To obtain loan from financial institutions. There are many steps required to perform, whether it be to complete the application form, data validation, credit analysis, approval, or installment. The implementation of the loan will be delayed at the analysis stage, a conservative credit bottlenecks. Since this procedure requires the use of data analysis, resolution of the person making the loan, because it may cause the risk of repayment is not on time, according to the policies of financial institutions that have been defined, which will negatively impact financial institutions indeed.
This project will assess the risk of a loan with machine learning systems from the application information and credit bureau data (National Credit Bureau: NCB) of the person who made the loan. To reduce the difficulties in the process of analyzing credit financial institutions and help the credit analyst in the decision making. Also, it makes the operation of credit analysis procedure fast, but more efficient. This will benefit the financial institutions themselves.
คำสำคัญ (Keywords)
Credit Scoring, Machine Learning, Credit Bureau
เว็บไซต์โครงงาน
-
วีดีโอคลิปของโครงงาน
ที่เก็บเวอร์ชันซอร์สโค้ด
-
สถานะการนำเข้าข้อมูล
ผู้นำเข้าข้อมูลครั้งแรก
พรระพี
ขจรเดช
(b5710501573)
แก้ไขครั้งสุดท้าย
เมื่อ June 12, 2018, 9:38 p.m. โดย
พรระพี
ขจรเดช
(b5710501573)
สถานะการอนุมัติ
รออนุมัติ