Система підтримки прийняття рішень для аналізу табличних наборів даних

Скорочена інформація про документ
dc.contributor.advisorЛевенчук, Людмила Борисівна
dc.contributor.authorБондаренко, Владислав Михайлович
dc.date.accessioned2026-09-09T08:08:24Z
dc.date.available2026-09-09T08:08:24Z
dc.date.issued2026
dc.description.abstractДипломна робота містить 108 сторінок, 21 рисунок, 27 таблиць, 2 додатки, 15 джерел. Метою роботи є дослідження та реалізація методів аналізу табличних наборів даних із використанням сучасних засобів аналізу даних та машинного навчання. Об’єктом дослідження є процес аналізу табличних наборів даних у системах підтримки прийняття рішень. Предметом дослідження є методи аналізу часових рядів, кластеризації даних та виявлення аномалій. У роботі проведено аналіз методів SMA, EMA, лінійного прогнозування, методу Z-score, алгоритму K-Means та методу ліктя. Досліджено сучасні програмні засоби аналізу даних, зокрема Python, pandas, NumPy, scikit-learn, Plotly та Streamlit. У межах роботи реалізовано систему підтримки прийняття рішень для аналізу табличних наборів даних. Система забезпечує завантаження та обробку даних, аналіз часових рядів, виявлення аномалій, кластеризацію даних та інтерактивну візуалізацію результатів. Результатом роботи є веб-застосунок, реалізований мовою програмування Python із використанням Streamlit та бібліотек аналізу даних. Для автоматизованої генерації аналітичних висновків використано Gemini API.
dc.description.abstractotherThe thesis consists of 108 pages, 21 figures, 27 tables, 2 appendices, 15 references. The purpose of this work is to investigate and implement methods for tabular data analysis using modern data analysis and machine learning tools. The object of the research is the process of tabular data analysis in decision support systems. The subject of the research includes methods of time series analysis, data clustering, and anomaly detection. The work analyzes the SMA, EMA, linear forecasting, Z-score method, K-Means algorithm, and Elbow Method. Modern data analysis tools, including Python, pandas, NumPy, scikit-learn, Plotly, and Streamlit, were also studied. As part of the work, a decision support system for tabular data analysis was developed. The system provides data loading and processing, time series analysis, anomaly detection, data clustering, and interactive visualization of analysis results. The result of the work is a web application implemented in Python using Streamlit and data analysis libraries. Gemini API was used for automated generation of analytical conclusions. Further development of the work involves expanding the system's functionality, improving forecasting methods, and integrating additional machine learning algorithms.
dc.format.extent108 с.
dc.identifier.citationБондаренко, В. М. Система підтримки прийняття рішень для аналізу табличних наборів даних : дипломна робота … бакалавра : 124 Системний аналіз / Бондаренко Владислав Михайлович. – Київ, 2026. – 108 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/82898
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectсистема підтримки прийняття рішень
dc.subjectаналіз табличних наборів даних
dc.subjectаналіз часових рядів
dc.subjectкластеризація даних
dc.subjectвиявлення аномалій
dc.subjectk-means
dc.subjectz-score
dc.subjectstreamlit
dc.subjectgemini api
dc.subjectdecision support system
dc.subjecttabular data analysis
dc.subjecttime series analysis
dc.subjectdata clustering
dc.subjectanomaly detection
dc.titleСистема підтримки прийняття рішень для аналізу табличних наборів даних
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Bondarenko_bakalavr.pdf
Розмір:
1.65 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