Прогнозування попиту на товари в ритейлі з використанням машинного навчання
dc.contributor.advisor | Фаріонова Т. А. | |
dc.contributor.author | Тесленко Павло | |
dc.contributor.author | Teslenko Pavlo | |
dc.date.accessioned | 2025-01-30T10:58:29Z | |
dc.date.available | 2025-01-30T10:58:29Z | |
dc.date.issued | 2024-12 | |
dc.description | Тесленко, П. О. Прогнозування попиту на товари в ритейлі з використанням машинного навчання = Forecasting demand for goods in retail using machine learning : магістерська робота ; спец. 124 ''Системний аналіз'' / П. О. Тесленко; наук. кер. Т. А. Фаріонова. – Миколаїв : НУК, 2024. – 99 с. | |
dc.description.abstract | В кваліфікаційній роботі магістра досліджено проблему прогнозування попиту на товари в ритейлі. В результаті дослідження було з’ясовано, що ці дані мають різні формати, частоту, пропуски, а також значну амплітуду, що ускладнює їх інтеграцію та подальший аналіз. Для вирішення задачі прогнозування застосовано інтелектуальний аналіз даних із використанням методів машинного навчання, а саме, алгоритм градієнтний бустингу, XGBoost. Сформовано модель прогнозування та проведено її моделювання на тестовій виборці даних. На основі цього розроблено інформаційну систему прогнозування. Робота складається з 99 сторінок, 10 рисунків, 7 таблиць, додатку. Перелік використаних джерел має 26 найменувань. | |
dc.description.abstract1 | The master's qualification work investigated the problem of forecasting demand for goods in retail. As a result of the study, it was found that this data has different formats, frequency, gaps, as well as a significant amplitude, which complicates their integration and further analysis. To solve the forecasting problem, intelligent data analysis was applied using machine learning methods, namely the gradient boosting algorithm, XGBoost. A forecasting model was formed and its modeling was carried out on a test data sample. Based on this, a forecasting information system was developed. The work consists of 99 pages, 10 figures, 7 tables, an appendix. The list of sources used has 26 names. | |
dc.description.provenance | Submitted by Альона Павленко (aliona.pavlenko@nuos.edu.ua) on 2025-01-30T02:56:16Z workflow start=Step: reviewstep - action:claimaction No. of bitstreams: 1 Тесленко_диплом_.pdf: 42994758 bytes, checksum: 0b362f2105bd41c49ddca4a12c126faa (MD5) | en |
dc.description.provenance | Step: reviewstep - action:reviewaction Approved for entry into archive by Диндеренко Катерина(kateryna.dynderenko@nuos.edu.ua) on 2025-01-30T10:54:39Z (GMT) | en |
dc.description.provenance | Step: editstep - action:editaction Approved for entry into archive by Диндеренко Катерина(kateryna.dynderenko@nuos.edu.ua) on 2025-01-30T10:58:05Z (GMT) | en |
dc.description.provenance | Step: finaleditstep - action:finaleditaction Approved for entry into archive by Диндеренко Катерина(kateryna.dynderenko@nuos.edu.ua) on 2025-01-30T10:58:29Z (GMT) | en |
dc.description.provenance | Made available in DSpace on 2025-01-30T10:58:29Z (GMT). No. of bitstreams: 1 Teslenko_magister.pdf: 42994758 bytes, checksum: 0b362f2105bd41c49ddca4a12c126faa (MD5) Previous issue date: 2024-12 | en |
dc.identifier.uri | https://eir.nuos.edu.ua/handle/123456789/9701 | |
dc.language.iso | uk | |
dc.publisher | НУК | |
dc.subject | прогнозування товарів ритейлу | |
dc.subject | машинне навчання | |
dc.subject | інформаційна система | |
dc.subject | модель прогнозування | |
dc.subject | 124 ''Системний аналіз'' | |
dc.subject | forecasting of retail goods | |
dc.subject | machine learning | |
dc.subject | information system | |
dc.subject | forecasting model | |
dc.title | Прогнозування попиту на товари в ритейлі з використанням машинного навчання | |
dc.title.alternative | Forecasting demand for goods in retail using machine learning | |
dc.type | MasterThesis |