Кластеризацiя та зниження розмiрностi даних користувачiв мобiльних пристроїв для виявлення поведiнкових патернiв i активних груп

Скорочена інформація про документ
dc.contributor.advisorНедашківська, Надія Іванівна
dc.contributor.authorСаніцька, Марія Романівна
dc.date.accessioned2025-09-22T09:15:51Z
dc.date.available2025-09-22T09:15:51Z
dc.date.issued2025
dc.description.abstractДипломна робота містить: 99 с., 6 табл., 27 рис., 2 дод., 21 джерел. Метою роботи є побудова кластерної моделі, яка дозволяє виявляти активні групи користувачів мобільних пристроїв на основі поведінкових даних із попереднім зниженням розмірності. Отримані результати можуть бути використані для підвищення ефективності персоналізації цифрових сервісів, сегментації аудиторії та таргетованого маркетингу. Об’єктом дослідження є цифрові сліди користувачів мобільних пристроїв, що відображають їхню реальну поведінку в цифровому середовищі. Предметом дослідження виступають алгоритми кластерного аналізу та методи зниження розмірності даних. У ході виконання роботи було реалізовано програмний прототип на Python, що включає підготовку даних, кластеризацію за допомогою алгоритмів, а також оцінювання якості кластерів за метриками. Проведено функціонально-вартісний аналіз програмного продукту та обґрунтовано вибір оптимального варіанта реалізації.
dc.description.abstractotherThe thesis contains: 99 pages, 6 tables, 27 figures, 2 appendices, 21 references. The purpose of this work is to build a clustering model that enables the identification of active groups of mobile device users based on behavioral data, with prior dimensionality reduction. The obtained results can be used to improve the effectiveness of digital service personalization, audience segmentation, and targeted marketing. The object of the study is the digital traces of mobile device users, which reflect their actual behavior in the digital environment. The subject of the study is clustering algorithms and methods for dimensionality reduction. In the course of the work, a software prototype was implemented in Python, which includes data preprocessing, clustering using algorithms, and evaluation of cluster quality using relevant metrics. A functional-cost analysis of the software product was carried out, and the optimal implementation option was substantiated.
dc.format.extent99 с.
dc.identifier.citationСаніцька, М. Р. Кластеризацiя та зниження розмiрностi даних користувачiв мобiльних пристроїв для виявлення поведiнкових патернiв i активних груп : дипломна робота … бакалавра : 124 Системний аналіз / Саніцька Марія Романівна. – Київ, 2025. – 99 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/76215
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectкластеризація
dc.subjectзниження розмірності
dc.subjectповедінкові дані
dc.subjectмобільні пристрої
dc.subjectмашинне навчання
dc.subjectсегментація користувачів
dc.subjectclustering
dc.subjectdimensionality reduction
dc.subjectbehavioral data
dc.subjectmobile devices
dc.subjectmachine learning
dc.subjectuser segmentation
dc.titleКластеризацiя та зниження розмiрностi даних користувачiв мобiльних пристроїв для виявлення поведiнкових патернiв i активних груп
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Sanitska_bakalavr.pdf
Розмір:
13.93 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