Алгоритмічні моделі машинного навчання для аналізу та прогнозування у сфері кінематографу

Скорочена інформація про документ
dc.contributor.advisorДмитрієва, Ольга Анатоліївна
dc.contributor.authorПахомов, Максим Романович
dc.date.accessioned2025-10-06T12:35:11Z
dc.date.available2025-10-06T12:35:11Z
dc.date.issued2025
dc.description.abstractДипломна робота: 108 с., 14 рис., 11 табл., 2 додатки, 14 джерел. Об’єктом дослідження є процеси аналізу та прогнозування показників ефективності фільмів у кінематографічній галузі за допомогою алгоритмів машинного навчання. Предметом дослідження є застосування методів регресії, рекомендаційних систем і модифікованих моделей бустингу для прогнозування касових зборів та формування персоналізованих рекомендацій на основі контентних ознак фільмів. Метою даної роботи є дослідження та практичне застосування алгоритмічних моделей машинного навчання для аналізу, прогнозування та рекомендації у сфері кінематографу з урахуванням бюджетної значущості фільмів у функції втрат. Методи розробки базуються на використанні алгоритмів машинного навчання, математичної статистики. Попередній аналіз і обробка даних проводилися із залученням основних підходів статистичного аналізу даних та теорії випадкових процесів. Модифікація алгоритмів для побудови рекомендаційних систем спиралася на введення допоміжних ознак, а також розширення стандартних моделей шляхом коригування функцій втрат. Практичне значення полягає у можливості застосування розробленої системи для оцінки комерційного потенціалу фільмів, підтримки прийняття рішень у кіновиробництві, а також покращення користувацького досвіду через рекомендаційний модуль, що допомагає глядачам знаходити фільми на основі їхніх уподобань.
dc.description.abstractotherThesis: 108 pages, 14 figures, 11 tables, 2 appendices, 14 references. The object of the study is the processes of analyzing and forecasting film performance indicators in the cinematographic industry using machine learning algorithms. The subject of the study is the application of regression methods, recommendation systems, and modified boosting models for predicting box office revenues and generating personalized recommendations based on the content features of films. The aim of this work is to explore and practically apply algorithmic machine learning models for analysis, forecasting, and recommendations in the field of cinematography, considering the budgetary significance of films in the loss function. The development methods are based on the use of machine learning algorithms and mathematical statistics. Preliminary data analysis and processing were conducted using core approaches of statistical data analysis and the theory of stochastic processes. The modification of algorithms for building recommendation systems relied on the introduction of auxiliary features, as well as the extension of standard models through loss function adjustments. The practical value lies in the possibility of applying the developed system for evaluating the commercial potential of films, supporting decision-making in film production, and improving user experience through a recommendation module that helps viewers discover films based on their preferences.
dc.format.extent108 с.
dc.identifier.citationПахомов, М. Р. Алгоритмічні моделі машинного навчання для аналізу та прогнозування у сфері кінематографу : дипломна робота … бакалавра : 124 Системний аналіз / Пахомов Максим Романович. – Київ, 2025. – 108 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/76594
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectалгоритмічні моделі
dc.subjectмашинне навчання
dc.subjectаналіз
dc.subjectпрогнозування
dc.subjectкінематограф
dc.subjectрекомендаційні системи
dc.subjectalgorithmic models
dc.subjectmachine learning
dc.subjectanalysis
dc.subjectforecasting
dc.subjectcinematography
dc.subjectrecommendation systems
dc.titleАлгоритмічні моделі машинного навчання для аналізу та прогнозування у сфері кінематографу
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Pahomov_bakalavr.pdf
Розмір:
8.53 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