Касьянов, Павло ОлеговичЯкубенко, Олексій Петрович2022-02-222022-02-222021-12Якубенко, О. П. Рекомендаційні системи з використанням автоенкодерів та навчання з підкріпленням : магістерська дис. : 124 Системний аналіз / Якубенко Олексій Петрович. - Київ, 2021. - 87 с.https://ela.kpi.ua/handle/123456789/46677Магістерська дисертація виконана на 87 сторінках, містить 7 ілюстрацій, 21 таблиць 16 джерел та 1 додаток. Об’єктом дослідження є рекомендаційні системи товарів. Предметом дослідження є методи та алгоритми формування рекомендацій. Актуальність роботи полягає в тому, що існує принципова проблема побудови рекомендаційних систем, а саме – проблема масштабованості. Наявність проблеми масштабованості вимагає від алгоритмів рекомендаційних систем можливість необмеженого нарощування числа користувачів, так і числа варіантів можливих рекомендацій. В той же час нарощування не повинно вимагати заміни у коді програми реалізації алгоритмів та повторної обробки всіх вже оброблених даних. Розробка алгоритмів, що вирішують цю проблему, дозволяє будувати рекомендаційні системи, які є адаптивними по відношенню до зростання кількості користувачів та товарів. Мета дослідження є розробка рекомендаційної системи для вибору фільмів яку не потрібно повністю перенавчати з плином часу та додаванням нових фільмів. Новизною роботи являється реалізація нейронної мережі яка може необмежено нарощувати варіанти рекомендації, та її навчання за допомогою методів навчання з підкріпленням.ukглибокі нейронні мережімашинне навчанняавтокодувальникнавчання з підкріпленнямрекомендаційні системиdeep near networksmachine learningautoencoderreinforced learningrecommendation systemsMaster Thesis87 с.004.942.3