Takeuchi T Applications of Big Data and Machine Learning Galaxy Formation 2025 | 85.94 MB
Title: Applications of Big Data and Machine Learning in Galaxy Formation and Evolution
Author: Tsutomu T. Takeuchi
Description:
ANALIZA FINANSOWA ● SZTUCZNA INTELIGENCJA
Przestępczość gospodarcza stanowi istotny problem zarówno dla gospodarki polskiej, jak i światowej. W 2018 roku straty dla budżetu i sektora prywatnego w Polsce związane z przestępczością gospodarczą wyniosły ok. 5 miliardów złotych. Dlatego bardzo ważną potrzebą jest stworzenie metody, która - na podstawie sprawozdania finansowego - pozwoli ustalić, czy przedsiębiorstwo jest zagrożenie oszustwem finansowym.
Monografia stanowi próbę odpowiedzi na te oczekiwania. Jej celem jest przedstawienie algorytmów uczenia maszynowego i sztucznej inteligencji stosowanych do identyfikacji zmanipulowanych sprawozdań finansowych, a także stworzenie modelu ostrzegającego przed takimi działaniami.
W części opisowej omówiono największe skandale finansowe minionego stulecia oraz wyniki wcześniejszych badań, czyli istniejące modele wykrywania oszustw oraz machinacji w wyniku finansowym.
W części empirycznej autorka przedstawiła wyniki badań własnych oraz własne modele przygotowane dla rynku amerykańskiego i polskiego, które można zastosować do wykrywania zagrożenia oszustwami. Książka zwraca też uwagę na to, jakie elementy sprawozdania finansowego wskazują na potencjalne manipulacje finansowe i zagrożenie oszustwem.
Opisane w monografii narzędzia mogą być stosowane w praktyce gospodarczej do identyfikowania nieuczciwych podmiotów. Modele wykrywania oszustw stanowią istotne uzupełnienie analizy finansowej, podobnie jak modele prognozowania upadłości, i są użytecznym narzędziem ostrze-gania dla przedsiębiorców, inwestorów, księgowych, biegłych rewidentów oraz organów nadzoru finansowego.
DOWNLOAD:
ANALIZA FINANSOWA ● SZTUCZNA INTELIGENCJA
Przestępczość gospodarcza stanowi istotny problem zarówno dla gospodarki polskiej, jak i światowej. W 2018 roku straty dla budżetu i sektora prywatnego w Polsce związane z przestępczością gospodarczą wyniosły ok. 5 miliardów złotych. Dlatego bardzo ważną potrzebą jest stworzenie metody, która - na podstawie sprawozdania finansowego - pozwoli ustalić, czy przedsiębiorstwo jest zagrożenie oszustwem finansowym.
Monografia stanowi próbę odpowiedzi na te oczekiwania. Jej celem jest przedstawienie algorytmów uczenia maszynowego i sztucznej inteligencji stosowanych do identyfikacji zmanipulowanych sprawozdań finansowych, a także stworzenie modelu ostrzegającego przed takimi działaniami.
W części opisowej omówiono największe skandale finansowe minionego stulecia oraz wyniki wcześniejszych badań, czyli istniejące modele wykrywania oszustw oraz machinacji w wyniku finansowym.
W części empirycznej autorka przedstawiła wyniki badań własnych oraz własne modele przygotowane dla rynku amerykańskiego i polskiego, które można zastosować do wykrywania zagrożenia oszustwami. Książka zwraca też uwagę na to, jakie elementy sprawozdania finansowego wskazują na potencjalne manipulacje finansowe i zagrożenie oszustwem.
Opisane w monografii narzędzia mogą być stosowane w praktyce gospodarczej do identyfikowania nieuczciwych podmiotów. Modele wykrywania oszustw stanowią istotne uzupełnienie analizy finansowej, podobnie jak modele prognozowania upadłości, i są użytecznym narzędziem ostrze-gania dla przedsiębiorców, inwestorów, księgowych, biegłych rewidentów oraz organów nadzoru finansowego.
DOWNLOAD:
Code:
Code: