Прогнозування охоплення відео у YouTube та потрапляння до Trends

Скорочена інформація про документ
dc.contributor.advisorБарановська, Леся Валеріївна
dc.contributor.authorВоловик, Маріанна Ігорівна
dc.date.accessioned2022-02-22T08:47:13Z
dc.date.available2022-02-22T08:47:13Z
dc.date.issued2021-12
dc.description.abstractenMaster’s thesis explanatory note: 97 pages, 38 figures, 24 tables, 1 application, 23 sources. The topic of the master's dissertation is "Forecasting of video reach on YouTube and getting into Trends". The object of research is trend videos on YouTube, their life cycle and metadata The subject of the research is a comparative analysis of machine learning algorithms for video life cycle forecasting based on the analysis of trend video statistics on YouTube The purpose of the master's thesis is to help creators, advertisers and marketers make decisions about predicting the life cycle of video on YouTube through machine learning. The software product is implemented using the Python 3.7 programming language in the Jupyter Notebook development environment. The study examined the distribution and correlation of characteristics such as Views, Likes, Dislikes, Number of Comments, etc., using graphs and charts in the Python library to understand data and their relationship to the label, and developed machine learning algorithms for forecasting number of views.uk
dc.description.abstractukМагістерська дисертація: 97 с., 38 рис., 24 табл., 1 додаток, 23 джерело. Тема магістерської дисертації «Прогнозування охоплення відео у YouTube та потрапляння до Trends». Об’єкт дослідження - трендові відео в YouTube, їх життєвий цикл та метадані Предмет дослідження - порівняльний аналіз алгоритмів машинного навчання для прогнозування життєвого циклу відео на основі аналізу даних статистики трендових відео на YouTube Мета магістерської дисертації - допомогти креаторам, рекламодавцям та маркетологам в прийнятті рішень, пов'язаних з прогнозуванням життєвого циклу відео на YouTube за допомогою машинного навчання. Програмний продукт реалізований за допомогою мови програмування Python 3.7 у середовищі розробки Jupyter Notebook. Дослідження вивчило розподіл і кореляцію таких характеристик, як перегляди, лайки, дизлайки, кількість коментарів і т.д., використовуючи графіки та діаграми в бібліотеці Python, щоб зрозуміти дані і їх зв'язок з міткою, а також розроблено алгоритми машинного навчання для прогнозування кількості переглядів.uk
dc.format.page97 с.uk
dc.identifier.citationВоловик, М. І. Прогнозування охоплення відео у YouTube та потрапляння до Trends : магістерська дис. : 124 Системний аналіз / Воловик Маріанна Ігорівна. - Київ, 2021. - 97 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/46678
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectyoutubeuk
dc.subjectтрендові відеоuk
dc.subjectметаданіuk
dc.subjectпрогнозуванняuk
dc.subjectмашинне навчанняuk
dc.subjecttrend videosuk
dc.subjectmetadatauk
dc.subjectforecastinguk
dc.subjectmachine learninguk
dc.subject.udc519.254uk
dc.titleПрогнозування охоплення відео у YouTube та потрапляння до Trendsuk
dc.typeMaster Thesisuk

Файли

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

Зібрання

Магістерські роботи (ММСА)
Магістерські роботи