Documents disponibles écrits par cet auteur

Apprentissage Automatique pour le Credit Scoring et l’analyse des fichiers journaux / Hamza Housti

Public ISBD Titre : Apprentissage Automatique pour le Credit Scoring et l’analyse des fichiers journaux Type de document : projet fin études Auteurs : Hamza Housti, Auteur Langues : Français (fre) Catégories : Systèmes Embarqués et Mobile Mots-clés : CNRD, Apprentissage Automatique, RPA, ELK Index. décimale : 2120/19 Résumé : Le risque de crédit est l’une des principales causes de la volatilité des bénéfices des entreprises et des institutions financières. Comme toute entreprise, un établissement de crédit est exposé à une multitude de risques pouvant conduire à défaut et à la faillite. Ce projet s’est effectué au sein du siège BCP Casablanca au centre nationale de recherche et développement CNRD au sein de la direction architecture digitale. Dans le cadre d’intégrer l’intelligence artificielle, spécialement l’apprentissage automatique dans le domaine bancaire, la direction architecture a voulu intégrer aussi bien cette technique dans leurs projets qui visent à améliorer les performances de plusieurs briques digitales spécialement le score de crédit et la gestion des fichiers journaux. Ce projet de fin d’année avait comme objectif de réaliser un modèle prédictif pour les scores des clients du crédit immobilier au sein de la BCP afin de distinguer les clients non favorables des autres. Ainsi une automatisation de ce processus est faite à l’aide de l’outil RPA (Robotic process Automation). Enfin une partie d’analyse et de centralisation des fichiers journaux issus des actions de l’application est entamée dans ce projet via l’outil ELK (Elasticsearch , logstash,Kibana). Apprentissage Automatique pour le Credit Scoring et l’analyse des fichiers journaux [projet fin études] / Hamza Housti, Auteur . - [s.d.]. Langues : Français (fre) Catégories : Systèmes Embarqués et Mobile Mots-clés : CNRD, Apprentissage Automatique, RPA, ELK Index. décimale : 2120/19 Résumé : Le risque de crédit est l’une des principales causes de la volatilité des bénéfices des entreprises et des institutions financières. Comme toute entreprise, un établissement de crédit est exposé à une multitude de risques pouvant conduire à défaut et à la faillite. Ce projet s’est effectué au sein du siège BCP Casablanca au centre nationale de recherche et développement CNRD au sein de la direction architecture digitale. Dans le cadre d’intégrer l’intelligence artificielle, spécialement l’apprentissage automatique dans le domaine bancaire, la direction architecture a voulu intégrer aussi bien cette technique dans leurs projets qui visent à améliorer les performances de plusieurs briques digitales spécialement le score de crédit et la gestion des fichiers journaux. Ce projet de fin d’année avait comme objectif de réaliser un modèle prédictif pour les scores des clients du crédit immobilier au sein de la BCP afin de distinguer les clients non favorables des autres. Ainsi une automatisation de ce processus est faite à l’aide de l’outil RPA (Robotic process Automation). Enfin une partie d’analyse et de centralisation des fichiers journaux issus des actions de l’application est entamée dans ce projet via l’outil ELK (Elasticsearch , logstash,Kibana).

Réservation

Réserver ce document

Exemplaires

Code barre	Cote	Support	Localisation	Section	Disponibilité
2120/19	2120/19 HAM	Texte imprimé	unité des PFE	PFE/2019	Disponible