Search academic texts

Information × Registration Number 2123U003292, Article popup.category Бакалаврська робота Title popup.author Фернець Володимир Петрович popup.publication 01-01-2023 popup.source_user Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» popup.source https://ela.kpi.ua/handle/123456789/59595 popup.publisher Київ Description Дане дослідження показує як можна здійснювати прогнозування доходів та витрат на основі технологій машинного навчання. Під час дослідження написано веб-додаток, що дозволяє здійснювати аналітику та прогнозування для фінансових даних. Дипломна робота за темою «Аналітика та прогнозування доходів та витрат на основі технологій машинного навчання» виконана студентом кафедри інженерії програмного забезпечення в енергетиці НН ІАТЕ Фернецем Володимиром Петровичем зі спеціальності 121 «Інженерія програмного забезпечення» за освітньо-професійною програмою «Інженерія програмного забезпечення інтелектуальних кібер-фізичних систем і веб-технологій» і складається зі: вступу; 5 розділів («Постановка завдання», «Аналіз подібних існуючих систем», «Засоби розробки системи», «Опис програмної реалізації», «Робота користувача з програмним продуктом»), висновків до кожного з цих розділів; загальних висновків; списку використаних джерел, який налічує 5 джерел; 11 ілюстрацій; 1 додаток. Загальний обсяг роботи 72 сторінки. Актуальність теми полягає в необхідності використання передових технологій машинного навчання для оптимізації фінансового управління, основою якого є аналітика та прогнозування доходів і витрат компанії. Мета роботи і завдання дослідження полягають в розробці та реалізації веб-додатку, що призначений для аналізу та прогнозування доходів та витрат з допомогою технологій машинного навчання. Основна ідея полягає у збільшенні точності та надійності прогнозів фінансових показників, застосовуючи сучасні алгоритми машинного навчання. Для досягнення цієї мети були вирішені наступні задачі: 1) проведено аналіз методів прогнозування фінансових показників; 2) вивчено рішення з відкритого коду, їхню ефективність та якість; 3) створено моделі та методи, спроможні обробляти різні типи фінансових даних та навчатися в процесі використання. Результатом роботи є веб-додаток, який використовує розроблені моделі та методи, і надає користувачам зручний графічний інтерфейс для візуалізації даних та прогнозів. Практичне значення одержаних результатів полягає в тому, що воно має вплив у сфері фінансового аналізу та прогнозування, завдяки впровадженню алгоритмів машинного навчання, описаних в даній роботі. Впроваджено базовий інтерфейс для демонстрації роботи моделей. Розроблені методики дозволяють системі навчатися та адаптуватися під час використання, а також застосовувати отриманий досвід для покращення точності прогнозів за рахунок запропонованого методу навчання. popup.nrat_date 2025-01-29 Close