Розробка рекомендаційної системи з використанням методів машинного навчання та статистичного аналізу
dc.contributor.advisor | Соболь, Ольга Олександрівна | |
dc.contributor.author | Бородатюк, Дмитро Михайлович | |
dc.date.accessioned | 2024-07-16T08:23:43Z | |
dc.date.available | 2024-07-16T08:23:43Z | |
dc.date.issued | 2024 | |
dc.description.abstract | Мета роботи – порівняння різних методів та підходів до створення рекомендаційних систем, дослідження методів машинного навчання та статистичного аналізу, особливостей їх роботи та розробка програмного продукту на прикладі рекомендаційної системи відеострімінгового сервісу. Об’єкт дослідження – процес формування рекомендацій на прикладі кінофільмів. Предмет дослідження – методи машинного навчання та статистичного аналізу і використання їх в задачах генерації рекомендацій. У роботі проведено аналіз та порівняння типів та методів генерацій рекомендацій. В ході виконання дипломної роботи були детально розібрані методи машинного навчання та статистичного аналізу, було проаналізовано їх особливості, принцип роботи, переваги та недоліки. При виконанні подальшого розвитку предмету дослідження доцільно розробити моделі, які будуть сумісні з автоматичним оновленням бази даних та дозволять максимізувати точність рекомендації. | |
dc.description.abstractother | The purpose of the research is to compare different methods and approaches to creating recommendation systems, to study machine learning and statistical analysis methods, their operational features, and to develop software based on the example of a video streaming service recommendation system. The object of the research is the process of forming recommendations using the example of movies recommender. The subject of the research is the set of machine learning and statistical analysis method and their use in recommendation generation tasks. The work analyzes and compares types and methods of recommendation generation. In the course of the thesis, machine learning and statistical analysis methods were thoroughly examined, their features, operating principles, advantages, and disadvantages were analyzed. In further research, it is advisable to develop models that are compatible with automatic database updates and allow for maximizing the accuracy of recommendations. | |
dc.format.extent | 127 с. | |
dc.identifier.citation | Бородатюк, Д. М. Розробка рекомендаційної системи з використанням методів машинного навчання та статистичного аналізу : дипломна робота ... бакалавра : 124 Системний аналіз / Бородатюк Дмитро Михайлович. – Київ, 2024. – 127 с. | |
dc.identifier.uri | https://ela.kpi.ua/handle/123456789/67950 | |
dc.language.iso | uk | |
dc.publisher | КПІ ім. Ігоря Сікорського | |
dc.publisher.place | Київ | |
dc.subject | рекомендаційні системи | |
dc.subject | контентна фільтрація | |
dc.subject | колаборативна фільтрація | |
dc.subject | обробка даних | |
dc.subject | обробка метаінформації | |
dc.subject | recommendation systems | |
dc.subject | content-based filtering | |
dc.subject | collaborative filtering | |
dc.subject | data processing | |
dc.subject | metadata processing | |
dc.title | Розробка рекомендаційної системи з використанням методів машинного навчання та статистичного аналізу | |
dc.type | Bachelor Thesis |
Файли
Контейнер файлів
1 - 1 з 1
Вантажиться...
- Назва:
- Borodatiuk_bakalavr.pdf
- Розмір:
- 3.46 MB
- Формат:
- Adobe Portable Document Format
Ліцензійна угода
1 - 1 з 1
Ескіз недоступний
- Назва:
- license.txt
- Розмір:
- 8.98 KB
- Формат:
- Item-specific license agreed upon to submission
- Опис: