Прогнозування CTR рекламних кампаній методами інтелектуального аналізу даних

Скорочена інформація про документ
dc.contributor.advisorНедашківська, Надія Іванівна
dc.contributor.authorОніщенко, Діана Сергіївна
dc.date.accessioned2023-09-18T13:47:01Z
dc.date.available2023-09-18T13:47:01Z
dc.date.issued2023
dc.description.abstractДипломна робота містить 120 сторінок, 34 ілюстрації, 8 таблиць, 2 додатки, 34 джерела. Об’єкт дослідження: дослідження та створення моделей за історичними даними, яка може дати прогноз CTR. Мета дипломної роботи: автоматизація процесу прогнозування ефективності рекламних кампаній. Використані моделі: у програмній реалізації було використано алгоритми логістична регресія, дерева рішень, градієнтного бустинга та випадкових лісів, які були об’єднані в ансамбль Предмет дослідження –– методи машинного навчання для створення моделей, підбір параметрів моделі, знаходження якісної оцінки моделі. Модель, яка реалізована, повинна відповідати таким критеріям: - мати високі показники ефективності (більше 80%); - модель має бути ефективною на практичних кейсах. В рамках подальшого дослідження пропонується підвищувати точність моделі, створити процес тренування моделі на нових даних, що допоможе компаніям мати оцінку рекламних кампаній, заложить базу для впровадження автоматизованої моделі RTB аукціонів.uk
dc.description.abstractotherThe diploma thesis contains 120 pages, 34 figures, 8 tables, 2 appendices, 34 sources. Object of study: research and creation of models based on historical data that can predict CTR. Purpose: to automate the process of forecasting the effectiveness of advertising campaigns. Models used: the software implementation used logistic regression, decision trees, gradient boosting, and random forests algorithms, which were combined into an ensemble The subject of the research is machine learning methods for creating models, selecting model parameters, and finding a qualitative assessment of the model. The implemented model must meet the following criteria: - have high performance indicators (more than 80%); - the model should be effective in practical cases. As part of further research, it is proposed to improve the accuracy of the model, create a process for training the model on new data, which will help companies evaluate advertising campaigns, and lay the foundation for the implementation of an automated RTB auction model.uk
dc.format.extent120 с.uk
dc.identifier.citationОніщенко, Д. С. Прогнозування CTR рекламних кампаній методами інтелектуального аналізу даних : дипломна робота ... бакалавра : 124 Системний аналіз / Оніщенко Діана Сергіївна. – Київ, 2023. – 120 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/60456
dc.language.isoukuk
dc.publisher.placeКиївuk
dc.subjectінтелектуальний аналізuk
dc.subjectмашинне навчанняuk
dc.subjectансамблеві моделіuk
dc.subjectзадача прогнозуванняuk
dc.subjectпрогнозування сtr рекламних кампанійuk
dc.subjectintellectual analysisuk
dc.subjectmachine learninguk
dc.subjectensemble modelsuk
dc.subjectforecasting taskuk
dc.subjectforecasting ctr of advertising campaignsuk
dc.titleПрогнозування CTR рекламних кампаній методами інтелектуального аналізу данихuk
dc.typeBachelor Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Onishchenko_bakalavr.pdf
Розмір:
12.52 MB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.1 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Бакалаврські роботи (ММСА)
Бакалаврські роботи