Аналітика та прогнозування доходів та витрат на основі технологій машинного навчання

Скорочена інформація про документ
dc.contributor.advisorСігайов, Андрій Олександрович
dc.contributor.authorФернець, Володимир Петрович
dc.date.accessioned2023-08-29T09:33:02Z
dc.date.available2023-08-29T09:33:02Z
dc.date.issued2023
dc.descriptionДане дослідження показує як можна здійснювати прогнозування доходів та витрат на основі технологій машинного навчання. Під час дослідження написано веб-додаток, що дозволяє здійснювати аналітику та прогнозування для фінансових даних.uk
dc.description.abstractДипломна робота за темою «Аналітика та прогнозування доходів та витрат на основі технологій машинного навчання» виконана студентом кафедри інженерії програмного забезпечення в енергетиці НН ІАТЕ Фернецем Володимиром Петровичем зі спеціальності 121 «Інженерія програмного забезпечення» за освітньо-професійною програмою «Інженерія програмного забезпечення інтелектуальних кібер-фізичних систем і веб-технологій» і складається зі: вступу; 5 розділів («Постановка завдання», «Аналіз подібних існуючих систем», «Засоби розробки системи», «Опис програмної реалізації», «Робота користувача з програмним продуктом»), висновків до кожного з цих розділів; загальних висновків; списку використаних джерел, який налічує 5 джерел; 11 ілюстрацій; 1 додаток. Загальний обсяг роботи 72 сторінки. Актуальність теми полягає в необхідності використання передових технологій машинного навчання для оптимізації фінансового управління, основою якого є аналітика та прогнозування доходів і витрат компанії. Мета роботи і завдання дослідження полягають в розробці та реалізації веб-додатку, що призначений для аналізу та прогнозування доходів та витрат з допомогою технологій машинного навчання. Основна ідея полягає у збільшенні точності та надійності прогнозів фінансових показників, застосовуючи сучасні алгоритми машинного навчання. Для досягнення цієї мети були вирішені наступні задачі: 1) проведено аналіз методів прогнозування фінансових показників; 2) вивчено рішення з відкритого коду, їхню ефективність та якість; 3) створено моделі та методи, спроможні обробляти різні типи фінансових даних та навчатися в процесі використання. Результатом роботи є веб-додаток, який використовує розроблені моделі та методи, і надає користувачам зручний графічний інтерфейс для візуалізації даних та прогнозів. Практичне значення одержаних результатів полягає в тому, що воно має вплив у сфері фінансового аналізу та прогнозування, завдяки впровадженню алгоритмів машинного навчання, описаних в даній роботі. Впроваджено базовий інтерфейс для демонстрації роботи моделей. Розроблені методики дозволяють системі навчатися та адаптуватися під час використання, а також застосовувати отриманий досвід для покращення точності прогнозів за рахунок запропонованого методу навчання.uk
dc.description.abstractotherThe thesis on the topic "Analysis and forecasting of income and expenses based on machine learning technologies" was completed by Fernets Volodymyr Petrovych, a student of the Department of Software Engineering at the National Institute of Energy of IATE, majoring in 121 "Software Engineering" under the educational and professional program "Software Engineering of Intelligent Cyber- physical systems and web technologies" and consists of: introduction; 5 sections ("Statement of the task", "Analysis of similar existing systems", "System development tools", "Description of software implementation", "User work with the software product"), conclusions to each of these sections; general conclusions; the list of used sources, which includes 5 sources; 11 illustrations; 1 appendix. The total volume of work is 72 pages. The relevance of the topic lies in the need to use advanced machine learning technologies to optimize financial management, the basis of which is analytics and forecasting of the company's income and expenses. The purpose of the work and the task of the research are the development and implementation of a web application designed for the analysis and forecasting of income and expenses using machine learning technologies. The main idea is to increase the accuracy and reliability of forecasts of financial indicators by applying modern machine learning algorithms. To achieve this goal, the following tasks were solved: 1) an analysis of methods of forecasting financial indicators was carried out; 2) open source solutions, their efficiency and quality were studied; 3) created models and methods capable of processing various types of financial data and learning in the process of use. The result is a web application that uses the developed models and methods and provides users with a user-friendly graphical interface for data visualization and predictions. The practical significance of the obtained results is that it has an impact in the field of financial analysis and forecasting, thanks to the implementation of machine learning algorithms described in this paper. A basic interface for demonstrating the operation of models has been implemented. The developed techniques allow the system to learn and adapt during use, as well as to apply the acquired experience to improve the accuracy of forecasts due to the proposed learning method.uk
dc.format.extent73 с.uk
dc.identifier.citationФернець, В. П. Аналітика та прогнозування доходів та витрат на основі технологій машинного навчання : дипломна робота ... бакалавра : 121 Інженерія програмного забезпечення / Фернець Володимир Петрович. - Київ, 2023. - 73 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/59595
dc.language.isoukuk
dc.publisherКПІ ім. Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectфінансова аналітикаuk
dc.subjectпрогнозування доходів та витратuk
dc.subjectмашинне навчанняuk
dc.subjectвеб-додатокuk
dc.subjectалгоритми навчанняuk
dc.subjectпередбачення моделіuk
dc.subjectобробка та аналіз данихuk
dc.titleАналітика та прогнозування доходів та витрат на основі технологій машинного навчанняuk
dc.typeBachelor Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Fernets_bakalavr.pdf
Розмір:
1.21 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 (ІПЗЕ)
Бакалаврські роботи