Tipus de document

Treball de fi de màster

Data de publicació

Llicència de publicació

memòria: cc-by-nc-nd (c) Esbert Barber, Daniel, 2026
Si us plau utilitzeu sempre aquest identificador per citar o enllaçar aquest document: https://hdl.handle.net/2445/232262

Aligning Credit Scoring with the EU AI Act: Bias Mitigation Techniques in Financial Machine Learning

Títol de la revista

Contribució addicional

ISSN de la revista

Títol del volum

Resum

The deployment of machine learning algorithms in retail banking has transformed credit risk assessment. However, proprietary, opaque predictive systems raise significant concerns regarding transparency, algorithmic bias, and regulatory compliance. This work aims to dissect the implications the EU AI Act will have on credit scoring models and analyze the trade-offs between profitability and fairness that take place when applying different bias mitigation techniques in a realistic credit scoring setting.

Descripció

Treballs finals del Màster de Fonaments de Ciència de Dades, Facultat de matemàtiques, Universitat de Barcelona. Any: 2026. Tutor: Jordi Vitrià Marca

Recurs relacionat

Citació

Citació

ESBERT BARBER, Daniel. Aligning Credit Scoring with the EU AI Act: Bias Mitigation Techniques in Financial Machine Learning. [consulted: 17 of November of 2026]. Available at: https://hdl.handle.net/2445/232262

Exportar metadades

JSON - METS

Compartir registre