Návrh a vytvoření prediktivního modelu pomocí strojového učení a jeho využití v AI asistentovi pro podporu rozhodování ve firmě
Autor(ka) práce:
Dvořák, Jakub
Typ práce:
Bakalářská práce
Vedoucí práce:
Moreová, Barbara
Oponenti práce:
Zeman, Václav
Jazyk práce:
Česky
Abstrakt:
Tato bakalářská práce se věnuje návrhu a vytvoření prediktivního modelu založeného na metodách strojového učení a ukazuje jeho možné využití v AI asistentovi pro podporu rozhodování ve firmě. Praktická část je zaměřena na oblast kreditního rizika, konkrétně na predikci pravděpodobnosti defaultu klienta při splácení úvěru. Cílem práce bylo vytvořit model schopný odhadovat rizikovost klientů na základě dostupných dat, porovnat vybrané algoritmy strojového učení a navrhnout způsob, jak jejich výstupy převést do podoby použitelné při rozhodování. Teoretická část se zaměřuje na rozhodování založené na datech, prediktivní analytiku, klasifikační modely, hodnocení kvality modelů, interpretovatelnost a využití AI asistentů v podnikové praxi. Praktická část zahrnuje načtení a přípravu datového souboru, odstranění nevhodných proměnných, transformaci dat, vytvoření modelů logistické regrese, náhodného lesa a gradient boostingu a jejich vyhodnocení pomocí metrik accuracy, precision, recall, F1-score a ROC AUC. Na základě dosažených výsledků byl jako finální model zvolen gradient boosting, který ze srovnávaných metod dosáhl nejlepších výsledků a zároveň dobře rozlišoval mezi rizikovými a nerizikovými klienty. Současně se ukázalo, že úpravou rozhodovacího prahu lze model lépe přizpůsobit požadavkům oblasti kreditního rizika. Důležitou součástí práce byla také interpretace výsledků pomocí metody SHAP, která umožnila vysvětlit vliv jednotlivých proměnných na predikci modelu jak na globální úrovni, tak u konkrétního klientského případu. Výstupem práce není jen samotný prediktivní model, ale také návrh AI asistenta, který převádí modelové výstupy do podoby doporučení pro uživatele. Práce tak propojuje datovou analytiku, vysvětlitelnou umělou inteligenci a podporu rozhodování v podnikovém prostředí.
Design and Development of a Predictive Model Using Machine Learning and Its Use in an AI Assistant for Decision Support in a Company
Autor(ka) práce:
Dvořák, Jakub
Typ práce:
Bachelor thesis
Vedoucí práce:
Moreová, Barbara
Oponenti práce:
Zeman, Václav
Jazyk práce:
Česky
Abstrakt:
This bachelor’s thesis focuses on the design and development of a predictive model based on machine learning methods and shows how such a model can be used in an AI assistant for decision support in a company. The practical part of the thesis is set in the area of credit risk, specifically in predicting the probability of client default in loan repayment. The aim was to build a model capable of estimating client risk from available data, compare selected machine learning algorithms, and propose a way to turn their outputs into a form that can be used more easily in decision-making. The theoretical part covers data-driven decision-making, predictive analytics, classification models, model evaluation, interpretability, and the use of AI assistants in business practice. The practical part includes loading and preparing the dataset, removing unsuitable variables, transforming the data, building logistic regression, random forest, and gradient boosting models, and evaluating them using accuracy, precision, recall, F1-score, and ROC AUC. Based on the results, gradient boosting was selected as the final model because it performed best among the compared methods and showed a good ability to distinguish between risky and non-risky clients. The analysis also showed that adjusting the decision threshold makes it possible to adapt the model more closely to the needs of credit risk assessment. An important part of the thesis was also the interpretation of model results using the SHAP method, which made it possible to explain the influence of individual variables both at the global level and for a specific client case. The output of the thesis is not only the predictive model itself, but also a proposal for an AI assistant that translates model outputs into recommendations for the user. In this way, the thesis connects data analytics, explainable artificial intelligence, and decision support in a business setting.
Klíčová slova:
machine learning; gradient boosting; predictive modelling; credit risk; default; AI assistant; SHAP; decision support