Прогнозування психічного здоров’я на основі даних про музичні вподобання

Скорочена інформація про документ
dc.contributor.advisorНедашківська, Надія Іванівна
dc.contributor.authorЛанько, Анна Анатоліївна
dc.date.accessioned2023-10-12T09:12:11Z
dc.date.available2023-10-12T09:12:11Z
dc.date.issued2023
dc.description.abstractДипломна робота: 122 с., 20 рис., 20 табл., 2 додатки, 34 джерела. Окремі категорії соціологічних даних мають дуже складні залежності між чинниками та досліджуваним явищем, оскільки вони є продуктом суб'єктивної думки неекспертних осіб з великою кількістю більш-менш рівнозначних факторів впливу. Метою даного дослідження є якомога точніше застосування методології прогнозування до даних такого рівня складності. Об’єктом дослідження є прогнозування на основі метаданих про музичні вподобання оцінок від 0 до 10, що відповідають за ступінь наявності чотирьох ментальних розладів: тривожності, депресії, безсоння та ОКР. Предметом дослідження є алгоритми машинного навчання, що розв’язують задачу регресії: ансамблеві методи та метод опорних векторів. Результатом дослідження є розроблений мовою програмування Python алгоритм для прогнозування оцінок, що працює як на досліджуваних вихідних даних, так і власних вибірках. Ключовою особливістю розробленого алгоритму є швидкодія та універсальність, що дає реалізувати його як додатковий функціонал більш глобальних, повноцінних програмних продуктів з метою покращення їхніх рекомендаційних систем та створення сприятливого середовища для спільноти користувачів.uk
dc.description.abstractotherBachelor thesis: 122 p., 20 fig., 20 tabl., 2 append., 34 sources. Certain categories of sociological data have complicated relationships between causes and the studied phenomenon, as they are a product of non-expert subjective opinion with a large number of factors with nearly equal significance levels. The purpose of this research is to apply the prediction methodology as accurately as possible to data of such a complexity level. The object of this research is the prediction of scores from 0 to 10, which measure severity for 4 mental disorders: anxiety, depression, insomnia, and OCD, based on music preferences metadata. The subject of this research are the machine learning algorithms that solve a regression problem: ensemble methods and the method of support vectors. The result of this research is the score prediction algorithm developed in Python programming language that works both on the studied and manually collected data. The key features of the developed algorithm are the speed of response and flexibility that allows to implement it as an additional feature of more global, full- fledged software products to improve their recommendation systems and create healthier environment for the user community.uk
dc.format.extent122 с.uk
dc.identifier.citationЛанько, А. А. Прогнозування психічного здоров’я на основі даних про музичні вподобання : дипломна робота ... бакалавра : 124 Системний аналіз / Ланько Анна Анатоліївна. – Київ, 2023. – 122 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/61286
dc.language.isoukuk
dc.publisher.placeКиївuk
dc.subjectпрогнозуванняuk
dc.subjectмашинне навчанняuk
dc.subjectрегресіяuk
dc.subjectансамблеві методиuk
dc.subjectметод опорних векторівuk
dc.subjectпсихічне здоров’яuk
dc.subjectpredictionuk
dc.subjectmachine learninguk
dc.subjectregressionuk
dc.subjectensemble methodsuk
dc.subjectsupport vector machineuk
dc.subjectmental healthuk
dc.titleПрогнозування психічного здоров’я на основі даних про музичні вподобанняuk
dc.typeBachelor Thesisuk

Файли

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

Зібрання

Бакалаврські роботи (ММСА)
Бакалаврські роботи