dc.contributor.advisor | Φιλιππάκης, Μιχαήλ | |
dc.contributor.author | Πλατής, Κωνσταντίνος | |
dc.date.accessioned | 2021-07-16T06:02:37Z | |
dc.date.available | 2021-07-16T06:02:37Z | |
dc.date.issued | 2021-07 | |
dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/13571 | |
dc.identifier.uri | http://dx.doi.org/10.26267/unipi_dione/994 | |
dc.description.abstract | Η τρέχουσα περίοδος μπορεί να χαρακτηριστεί εύκολα ως η εποχή των «μεγάλων δεδομένων».
Η ραγδαία ανάπτυξη της τεχνητής νοημοσύνης, της μηχανικής μάθησης και της εξόρυξης
δεδομένων έχει οδηγήσει στην ψηφιοποίηση των περισσοτέρων ενεργειών της
καθημερινότητας των ανθρώπων. Ως εκ τούτου, ο κλάδος των χρηματοοικονομικών και
ιδιαίτερα ο τραπεζικός, δεν θα μπορούσε να μείνει ανεπηρέαστος από τις μεταβολές αυτές. Τα
τελευταία χρόνια παρατηρείται η ολοένα και αυξανόμενη τάση, από πλευράς των διοικήσεων
των τραπικών ιδρυμάτων, για ψηφιοποίηση των χρηματοοικονομικών διεργασιών. Η χρήση
του πλαστικού χρήματος και συγκεκριμένα πιστωτικών καρτών τείνει να αντικαταστήσει τη
χρήση χαρτονομισμάτων στις δοσοληψίες. Ωστόσο, η εκτεταμένη χρήση πιστωτικών καρτών
συνοδεύεται από αύξηση των φαινομένων απάτης σε παγκόσμιο επίπεδο.
Η παρούσα διπλωματική εργασία πραγματεύεται το φλέγον ζήτημα των φαινομένων απάτης
με χρήση πιστωτικών καρτών, ακολουθώντας ένα επαγωγικό πλάνο ανάπτυξης. Αρχικά, στο
πρώτο και δεύτερο κεφάλαιο, γίνεται μια εκτενής αναφορά στα μεγάλα δεδομένα και στην αξία
αυτών, στους διάφορους τομείς της καθημερινότητας, εστιάζοντας στον τραπεζικό κλάδο.
Έπειτα, στο τρίτο κεφάλαιο λαμβάνει χώρα η περιγραφή του προβλήματος της απάτης στον
χρηματοοικονομικό τομέα και στο τραπεζικό σύστημα. Στο τέταρτο κεφάλαιο παρατίθεται το
πειραματικό σκέλος της εργασίας, όπου γίνεται μια προσπάθεια ανάπτυξης διαφόρων
μοντέλων πρόβλεψης των απατηλών συναλλαγών που έγιναν με πιστωτική κάρτα, κάνοντας
χρήση δεδομένων που διατίθενται από την Vesta Corporation. Τέλος, στο πέμπτο κεφάλαιο,
αποτυπώνονται τα αποτελέσματα των τελεσθέντων πειραμάτων και τα εξαγόμενα
συμπεράσματα. | el |
dc.format.extent | 98 | el |
dc.language.iso | el | el |
dc.publisher | Πανεπιστήμιο Πειραιώς | el |
dc.rights | Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/gr/ | * |
dc.title | Εφαρμογές εξόρυξης γνώσης στον τραπεζικό κλάδο - Πρόβλεψη απάτης σε συναλλαγές πιστωτικών καρτών | el |
dc.title.alternative | Application of data mining in banking sector - Credit card fraud prediction | el |
dc.type | Master Thesis | el |
dc.contributor.department | Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Ψηφιακών Συστημάτων | el |
dc.description.abstractEN | Ιt is commonly considered that we are living the “Big Data” era. The rapid development of the
artificial intelligence, machine learning and data mining has led to the digitization of most of
the actions of people's everyday lives. Therefore, the financial sector, and in particular the
banking sector, could not be unaffected by these changes. In recent years there has been a
growing tendency on the part of the administrations of banking institutions, to digitilise
financial processes. The use of plastic money and specifically credit cards tends to replace the
use of banknotes in transactions. However, the widespread use of credit cards is accompanied
by an increase in fraud worldwide.
This dissertation deals with the burning issue of credit card fraud, following an inductive
development plan. Initially, in the first and second chapter, an extensive reference is made to
the big data and their value, in the various areas of everyday life, focusing on the banking
industry. Then, the third chapter describes the problem of fraud in the financial sector and
specifically in the banking system. The fourth chapter lists the experimental part of the work,
where an attempt is made to develop various models for predicting fraudulent transactions made
by credit card, using data made available by Vesta Corporation. Finally, chapter five captures
the results of the experiments carried out and the conclusions drawn. | el |
dc.contributor.master | Πληροφοριακά Συστήματα και Υπηρεσίες | el |
dc.subject.keyword | Εξόρυξη γνώσης | el |
dc.subject.keyword | Τραπεζικός τομέας | el |
dc.subject.keyword | Πρόβλεψη απάτης | el |
dc.subject.keyword | Πιστωτικές κάρτες | el |
dc.date.defense | 2021-06-30 | |