Įvairios institucijos susiduria su iššūkiu prisitaikyti prie naujųjų technologijų, įtraukti dirbtinį intelektą į savo vykdomą veiklą ir reaguoti į vykstančius pokyčius. Dirbtinis intelektas gali ženkliai palengvinti įvairių anomalijų, tokių kaip kreditinių kortelių mokėjimų sukčiavimas, stebėjimą bei rasti būdus kaip galima būtų išvengti vyraujančių sukčiavimų. Šio tyrimo tikslas yra aprašyti dirbtinio intelekto sąvoką finansų sektoriuje, naudojamus algoritmus bei ištirti duomenų bazę, kuri rasta Kaggle duomenų bazėje. Tyrimo metu buvo aprašyta, kas yra dirbtiniai neuroniniai tinklai, keli dažnai naudojami algoritmai finansų sektoriuje, pavyzdžiui, vektorių palaikymo mašinos, K–artimiausio kaimyno modeliai. Taip pat buvo pristatyta ir išanalizuota kreditinių kortelių transakcijų duomenų bazės duomenys, naudojami apmokant dirbtinį neuroninį tinklą. Analizuojant duomenų bazę, buvo naudota Python programavimo kalba, kad būtų braižomi grafikai. Tyrimo metu buvo susipažinta su dirbtiniais neuroniniais tinklais, buvo išsiaiškinta, kad tiriama duomenų bazė yra sudaryta iš realių transakcijų ir dėl konfidencialumo buvo transformuoti duomenys, tačiau duomenų bazė tinkama, norint apmokyti neuroninį tinklą.