Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал:
https://krs.chmnu.edu.ua/jspui/handle/123456789/2682
Назва: | Інтелектуальна система прогнозування медичних видатків для страхового забезпечення на основі методів машинного навчання |
Інші назви: | кваліфікаційна робота на здобуття освітнього ступеня «магістр» : спец. 122 «Комп’ютерні науки» |
Автори: | Пронін, В. А. |
Ключові слова: | кафедра інтелектуальних інформаційних систем Калініна І. О. система машинне навчання метод інтерпретатор прогнозування system machine learning method interpreter forecast |
Дата публікації: | лют-2023 |
Видавництво: | ЧНУ ім. Петра Могили |
Короткий огляд (реферат): | Актуальність даного дослідження полягає у необхідності підвищення якості прогнозування медичних видатків за рахунок методів машинного навчання. Таким чином страхові компанії матимуть змогу більш точно контролювати сплати за лікування різних груп населення, та проводити швидкий аналіз різного спектру людей на основі затверджених даних. Об’єктом дослідження є процес прогнозування видатків для страхового забезпечення. Предметом дослідження є методи прогнозування на основі машинного навчання. Метою є підвищення якості прогнозування медичних видатків для страхового забезпечення за рахунок використання методів машинного навчання. В результаті виконання роботи було розроблено систему прогнозування для збору даних, аналізу та інтерпретації, яка на основі цих даних реалізує описову статистику та візуалізацію залежностей між ознаками. Дана робота складається з шести розділів. Кожен розділ відповідно присвячений: аналізу предметної області, математичним моделям і методам, використаним у магістерській роботі, розробці і візуалізації системи, аналізу отриманих результатів, охороні праці, методичній частині магістерської роботи. Загальний обсяг роботи – 82 сторінок. Магістерська кваліфікаційна робота містить додаток 1, рисунків − 26 , посилання на літературних джерел − 43. A relevance of this study lies in the need to improve the quality of forecasting insurance costs due to machine learning methods. In this way, insurance companies will be able to more accurately monitor payments for the treatment of different types of population, and conduct rapid analysis of a diverse range of people based on validated data, enabling insurance companies to spend less time and money on developing predictive models. An object of research is an intelligent system of forecasting expenses for insurance provision. A subject of the research is forecasting methods based on machine learning. A purpose of this research of this work is to improve the quality of forecasting medical expenses for insurance coverage through the use of machine learning methods. The study uses patient data to estimate average health care costs for different segments of the population. As a result of the work, a forecasting system was developed for data collection, analysis and interpretation, which, based on these data, implements descriptive statistics and visualization of dependencies between features. This work consists of six sections. Each section is respectively devoted to: analysis of the subject area, mathematical models and methods used in the master's work, development and visualization of the system, analysis of the obtained results, labor protection, methodical part of the master's work. The total amount of work - ?? pages. Master's qualification work contains 82 app, 43 drawings 26, and link to 43 sources. |
Опис: | Пронін В. А. Інтелектуальна система прогнозування медичних видатків для страхового забезпечення на основі методів машинного навчання : кваліфікаційна робота на здобуття освітнього ступеня «магістр» : спец. 122 «Комп’ютерні науки» / В. А. Пронін ; ЧНУ ім. Петра Могили. – Миколаїв, 2023. – 82 с. |
URI (Уніфікований ідентифікатор ресурсу): | https://krs.chmnu.edu.ua/jspui/handle/123456789/2682 |
Розташовується у зібраннях: | Факультет комп'ютерних наук |
Файли цього матеріалу:
Файл | Опис | Розмір | Формат | |
---|---|---|---|---|
Пронін.pdf | 2.26 MB | Adobe PDF | Переглянути/Відкрити |
Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.