Federated learning for customer digital on-boarding
Federe öğrenme ile yeni müşteri kabulü
- Tez No: 853258
- Danışmanlar: PROF. DR. ALİ FUAT ALKAYA
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Marmara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 46
Özet
Rekabetçi finans piyasasında Finans Kuruluşlarının (FK) dijital müşteri olma sürecini en iyi şekilde optimize etmeleri, müşteri deneyimini geliştirirken aynı zamanda müşteriyle ilk temas anında edindikleri sınırlı bilgiyi en verimli şekilde değerlendirmeleri gerekmektedir. Bu süreçte bankalar müşteri tanıma, çapraz satış & üst satış, müşteri temsilcisi eşleştirme gibi birçok alandan yapay zeka modelleri kullanmaktadır. Verinin az veya dengesiz olduğu ve aynı zamanda hassas olduğu için üçüncü kişilerle paylaşılmasının mümkün olmadığı durumlarda kullanılan yapay zeka yöntemlerinden birisi de federe öğrenmedir. Federe öğrenme verinin kendisini paylaşmadan geri bildirim mekanizmaları ile birden fazla paydaşın ortak bir modeli eğitmesi yaklaşımıdır. Bu tez çalışmasında, banka verileri üzerinde federe öğrenme yöntemleri kullanılarak dijital müşteri olma süreci için müşteri skorlama modeli geliştirilmiştir. Federe, bölünmüş, yerel ve merkezi sinir ağı modellerinin sonuçları paylaşılmıştır. Sonuçlar, federe öğrenmenin daha başarılı olduğunu, küçük ölçekli kurumların federe öğrenmeden daha fazla fayda sağlayacağını ve federe öğrenme metodolojisinin finansal hizmetler alanında uygulanabilir bir yöntem olduğunu göstermektedir.
Özet (Çeviri)
Technological advancements and the pandemic have made digital processes crucial. During the pandemic, most sectors have experienced rapid digitalization. Also, banking regulations have facilitated digital account opening, called digital on-boarding. Formally, digital on-boarding refers to the process of becoming a customer that enables customers to open a bank account remotely and digitally. In the field of competitive finance market, financial institutions need to optimize digital on-boarding process in a sufficiently feasible way. While improving the customer experience, they also need to utilize this first moment of contact with the customer most efficiently. In this process, banks use artificial intelligence for many optimization problems such as customer recognition, cross sell & up-sell, and customer agent matching. Federated learning is a machine learning model that enables learning only through feedback mechanisms without sharing data. Federated learning is preferred in areas where data privacy and protection is of vital importance. In this study, a federated learning model is established using a bank dataset. In the computational experiments, performance of central, local, federated and split neural networks are assessed. Results show that federated learning is statistically better than others and can be exploited in financial services by bringing a remarkable advantage to financial institutions of all sizes, but especially to the smaller ones.
Benzer Tezler
- Medikal verilerin sınıflandırılmasında federe öğrenme
Federated learning for medical data classification
BEYZA NUR AKŞİT
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BAHRİYE AKAY
DOÇ. DR. ADAM SLOWIK
- Görüntü dönüştürücüler kullanılarak retina hastalıklarının tespiti için federe öğrenme
Federated learning for retinal disease detection using vision transformers
SAİD AKÇA
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Uygulamalı Bilimler ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ZEYNEP GARİP
DOÇ. DR. EKİN EKİNCİ
- Uç bilgi işlem endüstriyel IOT'de öngörücü bakım için uyarlanabilir birleşik öğrenim
Adaptable federated learning for predictive maintenance in the edge computing industrial IOT
AKİF EMRAH BÜYÜKSOMER
Yüksek Lisans
Türkçe
2023
Yönetim Bilişim SistemleriMarmara Üniversitesiİş Analitiği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FEYZA MERVE HAFIZOĞLU
- Fedopenhar: Federated multi-task transfer learning for sensor-based human activity recognition
Fedopenhar: Sensör-tabanlı insan aktivitesi tanımlama için federe çok-hedefli öğrenme aktarımı
EGEMEN İŞGÜDER
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. BAHRİ ATAY ÖZGÖVDE
- Federe öğrenme algoritmaları, açık kaynak çerçeve ve kütüphaneleri
Federated learning algorithms, open source frameworks and libraries
ÖMER FARUK GÖÇGÜN
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİzmir Katip Çelebi ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. FEMİN YALÇIN KÜÇÜKBAYRAK
DOÇ. DR. AYTUĞ ONAN