Матеріали конференцій, семінарів і т.п. (ІПІ)

Постійне посилання зібрання

https://ela.kpi.ua/handle/123456789/43226
У зібранні розміщено матеріали, опубліковані у збірниках, що видані за результатами конференцій, семінарів, конгресів, круглих столів тощо.

Переглянути

Перегляд Матеріали конференцій, семінарів і т.п. (ІПІ) за Ключові слова "машинне навчання"

Зараз показуємо 1 - 3 з 3
  • Ескіз недоступний
    ДокументВідкритий доступ
    Методи машинного навчання в задачі класифікації зірок за їх спостережуваними параметрами
    (2023) Химич, Артем Михайлович; Ліхоузова, Тетяна Анатоліївна
    Класифікація зірок за їх спостережуваними параметрами є однією з головних задач астрономії. Вона дозволяє науковцям вивчати історію формування та еволюції галактик, встановлювати закономірності розподілу матерії у космосі, та передбачення подальшого розвитку всесвіту. На сьогоднішній день, завдяки сучасним астрономічним обсерваторіям та космічним місіям, людство може спостерігати мільярди зірок.
  • Ескіз недоступний
    ДокументВідкритий доступ
    Моделі для формування ринкової вартості нерухомості
    (XIII Міжнародна науково-практична конференція «Scientific research in XXI century», 2022) Кончинський, Владислав Володимирович; Ліхоузова, Тетяна Анатоліївна
    Розглянуто проблему якісної та швидкої оцінки нерухомості. Запропоновано використати моделі та технології машинного навчання для створення сервісу з оцінки нерухомості за введеними характеристиками. Для оцінки ефективності запропонованої моделі використано дані про вже укладені угоди.
  • Ескіз недоступний
    ДокументВідкритий доступ
    Прогнозування успішності стартапу
    (2023) Бутов, Даниїл Романович; Ліхоузова, Тетяна Анатоліївна
    В сучасному світі стартапи є популярним варіантом початку свого бізнесу. Протягом останніх років ми спостерігаємо все більшу кількість нових підприємств, які запускаються з метою впровадження інноваційних ідей та розвитку нових продуктів і послуг. Цей тренд призводить до збільшення конкуренції на ринку стартапів. Запуск стартапу є складним та витратним процесом. Тому створення моделі для прогнозування успішності допомагає зрозуміти, які стартапи мають найбільший потенціал успіху. Це дозволяє інвесторам та підприємцям раціонально розподіляти свої ресурси, інвестувати у проекти з високими шансами на успіх та уникати неперспективних ідей. В результаті, це допомагає економити час, гроші та зусилля.