Шаповал, Наталія ВіталіївнаКравчук, Уляна Олександрівна2025-09-162025-09-162025Кравчук, У. О. Аналіз сучасних моделей машинного навчання для задачі прогнозування цін на автомобілі : дипломна робота … бакалавра : 122 Комп'ютерні науки / Кравчук Уляна Олександрівна. – Київ, 2025. – 115 с.https://ela.kpi.ua/handle/123456789/76033Дипломна робота: 115 ст., 38 рис.,10 табл., 25 посилань, 2 додатки. У роботі досліджено застосування сучасних моделей машинного навчання для задачі прогнозування цін на автомобілі. Основну увагу зосереджено на порівнянні класичного методу градієнтного бустингу XGBoost з сучасними підходами – Kolmogorov-Arnold Network та TabNet. Описано повний цикл побудови моделей: від попередньої обробки та аналізу даних до тренування, оцінки точності та інтерпретації результатів. Метою дослідження є аналіз ефективності сучасних моделей машинного навчання для задачі прогнозування цін. Об’єктом дослідження є процес прогнозування цін вживаних автомобілів на основі вибірки даних, що містить інформацію про характеристики транспортних засобів, їхній технічний стан та географічне розташування. Предметом дослідження виступають сучасні моделі машинного навчання для розв’язання регресійної задачі. Актуальність роботи зумовлена як зростаючою потребою у точному моделюванні вартості транспортних засобів, так і інтересом до новітніх інтерпретованих архітектур у сфері машинного навчання. У роботі проаналізовано підходи до прогнозування цін вживаних автомобілів. Показано переваги сучасних архітектур, які забезпечують високу точність прогнозування та інтерпретованість результатів і задачі регресії.115 с.ukпрогнозування цінвторинний ринок автомобілівмоделі машинного навчаннямоделі xgboosttabnetkolmogorov-arnold networkBachelor Thesis