Tipus de document
Treball de fi de màsterData de publicació
Llicència de publicació
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
Autors
Director/Tutor
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
Matèries (anglès)
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