Селін, Юрій МихайловичПоляк, Юрій Юрійович2025-07-242025-07-242025Поляк, Ю. Ю. Моделі машинного навчання для прогнозування часових рядів економічної природи : дипломна робота ... бакалавра : 124 Системний аналіз / Поляк Юрій Юрійович. - Київ, 2025. - 219 с.https://ela.kpi.ua/handle/123456789/75223Дипломна робота: 219 с., 38 рис., 0 табл., 15 джерел, 2 додатки. Тема: Моделі машинного навчання для прогнозування часових рядів економічної природи. У роботі досліджено можливості застосування сучасних методів машинного та глибокого навчання для прогнозування економічних часових рядів, зокрема цін на електроенергію у Швеції. Розглянуто класичні статистичні підходи та новітні алгоритми, такі як XGBoost, LSTM, CNN, їх ефективність порівнюється на реальних даних з біржі Nord Pool. Об’єкт дослідження: часові ряди економічної природи, зокрема ряди цін на електроенергію. Предмет дослідження: моделі машинного та глибокого навчання для прогнозування часових рядів. Мета роботи: розробка програмного забезпечення з використанням моделей машинного навчання для прогнозування економічних часових рядів та формування рекомендацій щодо вибору моделей залежно від типу задачі. Розроблено програмні моделі на мові Python з використанням бібліотек Scikit-learn, TensorFlow, XGBoost тощо. Проведено навчання моделей на реальних даних енергетичного ринку Швеції, реалізовано оцінку точності прогнозів за метриками MAE, RMSE, MAPE. Представлено порівняльний аналіз результатів моделей і обґрунтовано вибір найефективнішої.219 с.ukпрогнозуваннячасові рядимашинне навчаннянейронні мережіекономічні моделіforecastingtime seriesmachine learningneural networkseconomic modelsBachelor Thesis