Investigating new Machine Learning approaches for financial fraud detection and survival analysis in insurance industries
Les secteurs de la banque et de l'assurance sont mis au défi de traiter de grandes quantités de données pour répondre à des problématiques commerciales et stratégiques. Diverses études ont déjà porté sur le développement d'outils d'aide à la décision pour aider les compagnies d'a...
Enregistré dans:
| Hovedforfatter: | |
|---|---|
| Andre forfattere: | , , , , , |
| Format: | Thèse numérique |
| Sprog: | Anglais |
| Udgivet: |
2022.
|
| Fag: | |
| Online adgang: | Accès réservé au texte intégral |
| Kommentar: |
Titre provenant de l'écran-titre Ecole(s) Doctorale(s) : École doctorale Sciences de la Société : Territoires, Économie et Droit (Centre-Val de Loire ; 2018-....) Partenaire(s) de recherche : Laboratoire d'Economie d'Orléans (Orléans ; 2018-....) (Laboratoire) Autre(s) contribution(s) : Christophe Boucher (Président du jury) ; Denisa-Georgiana Banulescu, Sylvain Benoit (Membre(s) du jury) ; Olivier Darné, Arthur Charpentier (Rapporteur(s)) |
| Autres localisations: | Voir dans le Sudoc |
| Variante du titre: | Nouvelles approches du Machine Learning pour la détection des fraudes financières et l'analyse de la survie dans les secteurs de l'assurance |