Розробка рекомендаційної системи з використанням методів машинного навчання та статистичного аналізу

Скорочена інформація про документ
dc.contributor.advisorСоболь, Ольга Олександрівна
dc.contributor.authorБородатюк, Дмитро Михайлович
dc.date.accessioned2024-07-16T08:23:43Z
dc.date.available2024-07-16T08:23:43Z
dc.date.issued2024
dc.description.abstractМета 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.abstractotherThe 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.extent127 с.
dc.identifier.citationБородатюк, 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.urihttps://ela.kpi.ua/handle/123456789/67950
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectрекомендаційні системи
dc.subjectконтентна фільтрація
dc.subjectколаборативна фільтрація
dc.subjectобробка даних
dc.subjectобробка метаінформації
dc.subjectrecommendation systems
dc.subjectcontent-based filtering
dc.subjectcollaborative filtering
dc.subjectdata processing
dc.subjectmetadata processing
dc.titleРозробка рекомендаційної системи з використанням методів машинного навчання та статистичного аналізу
dc.typeBachelor Thesis

Файли

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

Зібрання

Бакалаврські роботи (ММСА)
Бакалаврські роботи