Антонюк, Д. С.Вакалюк, Т. А.Марчук, Г. В.Дідківський, В. В.Antoniuk, Dmytro S.Vakaliuk, Tetiana A.Marchuk, Galyna V.Didkivskyi, Vladyskav V.2021-04-122021-04-1220202311–3405 (Print)2313-0415 (Online)https://eir.nuos.edu.ua/handle/123456789/3834Прогнозування оцінки кредитоспроможності фізичних осіб із використанням можливостей ML.NET = Personal credit rating forecasting using ML.NET / Д. С. Антонюк, Т. А. Вакалюк, Г. В. Марчук, В. В. Дідківський // Зб. наук. пр. НУК. – Миколаїв : НУК, 2020. – № 3 (481). – С. 63–71.Анотація. Комп’ютерні технології з організацією інтелектуальних обчислень переживають свій розквіт. Насамперед це пов’язано з потоком нових ідей, які виходять з галузі комп’ютерних наук, що утворилася на перетині штучного інтелекту, статистики та теорії баз даних. Нині відбувається стрімке зростання кількості програмних продуктів, що використовують нові технології, а також типів задач, де їх застосування надає значного економічного ефекту. Використання машинного навчання для оцінки фінансових ризиків у споживчому кредитуванні забезпечує фінансовим установам економію коштів до 25 %. Особливої актуальності набуває використання засобів машинного навчання для оцінки ризиків кредитоспроможності у проектах «Інтернет фінансів». Проте аналіз останніх досліджень дозволив встановити, що проблемі економічного прогнозування у сфері кредитів приділено не досить уваги. Метою роботи є розробка системи, яка на основі проведеного аналізу даних визначатиме кредитоспроможність фізичних осіб. Методика. У процесі дослідження були використані такі методи дослідження: абстрагування, метод формалізації, аналіз, моделювання. Об’єктом дослідження є прогнозування оцінки кредитоспроможності фізичних осіб. Предметом дослідження є можливості застосування платформи ML.NET для прогнозування оцінки кредитоспроможності фізичних осіб. Результати. Встановлено, що виконання прогнозування оцінки кредитоспроможності фізичних осіб – це задача бінарної класифікації, яку дозволяє вирішити ML.NET – безкоштовна програма машинного навчання для мов програмування C# і F#. У цій роботі за основу була взята база даних банку, який пропонував послуги приватним особам. Послуги включають управління рахунками, надання кредитів тощо. Наукова новизна. У дослідженні була побудована модель та проведено прогнозування оцінки кредитоспроможності фізичних осіб з використанням можливостей ML.NET. Практична значимість. Реалізовано програму для формування набору даних, проведено інтukпрогнозуванняоцінкафізичні особикредитекономічне прогнозуванняаналіз данихforecastingassessmentpersoncrediteconomic forecastingmachine learningdata scienceArticle