Ανίχνευση ψευδών οικονομικών καταστάσεων με μεθόδους εξόρυξης δεδομένων.

Διαμάντη, Βασιλική

Ανίχνευση ψευδών οικονομικών καταστάσεων με μεθόδους εξόρυξης δεδομένων.

dc.contributor.author	Διαμάντη, Βασιλική	el
dc.contributor.master	ΜΠΣ: Λογιστική - Χρηματοοικονομική και Διοικητική Επιστήμη	el
dc.date.accessioned	2020-04-10T08:11:21Z
dc.date.issued	2020-04-10
dc.identifier.uri	https://olympias.lib.uoi.gr/jspui/handle/teiep/10790
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	Ελεγκτική	el
dc.subject	Απάτη	el
dc.subject	Επιστήμη των δεδομένων	el
dc.subject	Εξόρυξη δεδομένων	el
dc.subject	Μηχανική μάθηση	el
dc.subject	Auditing	en
dc.subject	Fraud	en
dc.subject	Data science	en
dc.subject	Data mining	en
dc.subject	Machine learning	en
dc.title	Ανίχνευση ψευδών οικονομικών καταστάσεων με μεθόδους εξόρυξης δεδομένων.	el
dc.title	Detection of fraudulent financial statements using data mining methods.	en
heal.abstract	Εξαιτίας των γρήγορα αναπτυσσόμενων τεχνολογικών δραστηριοτήτων έχουν δημιουργηθεί τεράστια σύνολα δεδομένων (Big Data). Λόγω του μεγάλου όγκου δεδομένων και της πολυπλοκότητας τους είναι δύσκολο να επεξεργαστούν και να ανακαλυφθεί γνώση με παραδοσιακούς τρόπους. Πλέον, το κατάλληλο εργαλείο για την ανακάλυψη της κρυμμένης γνώσης (Knowledge Discovery in Databases, KDD) είναι η εξόρυξη δεδομένων (Data Mining). Η εύρεση χρήσιμων δεδομένων , η ταυτοποίηση κρυμμένων προτύπων και η σωστή εκμετάλλευση της γνώσης που εξάγεται κάνει τον κλάδο της εξόρυξης δεδομένων έναν από τους ταχύτερα αναπτυσσόμενους κλάδους. Στην συγκεκριμένη εργασία γίνεται εξόρυξη δεδομένων για ανίχνευση ψευδών οικονομικών καταστάσεων σε Ελληνικές εταιρείες εισηγμένες στο χρηματιστήριο Αθηνών με μεθόδους μηχανικής μάθησης. Χρησιμοποιείται το λογισμικό Weka και τρεις μέθοδοι ταξινόμησης, τα δέντρα αποφάσεων, τα νευρωνικά δίκτυα και τα Bayesian Belief Networks.	el
heal.abstract	Due to the rapidly expanding technology activities, huge data sets have been created (Big Data). Due to the large volume of data and their complexity, it is difficult to work with them and discover knowledge in traditional ways. Now, the best tool for Knowledge Discovery in Databases (KDD) is Data Mining. Finding useful data, identifying hidden patterns and properly exploiting the knowledge discovered makes the data mining industry one of the fastest growing industries. This study extracts data for the detection of fraudulent financial statements in Greek companies listed on the Athens Stock Exchange using machine learning methods. Weka software and three classification methods, decision trees, neural networks and Bayesian Belief Networks, are used.	en
heal.academicPublisher	Σχολή Οικονομικών και Διοικητικών Επιστημών. Τμήμα Λογιστικής και Χρηματοιοκονομικής	el
heal.academicPublisherID	uoi	el
heal.access	free	el
heal.advisorName	Γκόγκος, Χρήστος	el
heal.bibliographicCitation	Διαμάντη, Β., 2020. Ανίχνευση ψευδών οικονομικών καταστάσεων με μεθόδους εξόρυξης δεδομένων. Μεταπτυχιακή εργασία. Πρέβεζα: ΤΕΙ Ηπείρου. Σχολή Οικονομικών και Διοικητικών Επιστημών. Τμήμα Λογιστικής & Χρηματοοικονομικής.	el
heal.classification	Λογιστική	el
heal.classification	Δεδομένα	el
heal.committeeMemberName	Χύτης, Ευάγγελος	el
heal.committeeMemberName	Καραμάνης, Κωνσταντίνος	el
heal.dateAvailable	2020-10-09T21:00:00Z
heal.fullTextAvailability	true
heal.generalDescription	Τμήμα Λογιστικής και Χρηματοοικονομικής - MAF - A/A 0191	el
heal.language	el	el
heal.numberOfPages	83	el
heal.publicationDate	2020-03
heal.recordProvider	Τ.Ε.Ι. Ηπείρου	el
heal.type	masterThesis	el

Αρχεία

Πρωτότυπος φάκελος/πακέτο

Προβολή: 1 - 1 of 1

Ονομα:: Diamanti,V._MAF_2020.pdf
Μέγεθος:: 11.36 MB
Μορφότυπο:: Adobe Portable Document Format
Περιγραφή:: Μεταπτυχιακή εργασία

Κατεβάστε

Φάκελος/Πακέτο αδειών

Προβολή: 1 - 1 of 1

Ονομα:: license.txt
Μέγεθος:: 3.54 KB
Μορφότυπο:: Item-specific license agreed upon to submission
Περιγραφή:

Κατεβάστε

Συλλογές

Μεταπτυχιακές εργασίες Τμ. Λογιστικής και Χρηματοοικονομικής ΤΕΙ Ηπείρου