Bu öğeden alıntı yapmak, öğeye bağlanmak için bu tanımlayıcıyı kullanınız:
http://elartu.tntu.edu.ua/handle/lib/33595| Başlık: | Розробка системи для ідентифікації маркетингових показників на базі Python |
| Diğer Başlıklar: | Development of Python-based system for marketing indices identification |
| Yazarlar: | Глова, Богдан Вікторович Hlova, Bohdan |
| Bibliographic description (Ukraine): | Глова Б. В. Розробка системи для ідентифікації маркетингових показників на базі Python : дипломна робота магістра за спеціальністю „121 — інженерія програмного забезпечення“ / Б. В. Глова. — Тернопіль: ТНТУ, 2020. — 64 с. |
| Yayın Tarihi: | 28-Ara-2020 |
| Date of entry: | 28-Ara-2020 |
| Country (code): | UA |
| Place of the edition/event: | ТНТУ ім. І. Пулюя |
| UDC: | 004.9 |
| Anahtar kelimeler: | 121 інженерія програмного забезпечення Нейромережа Нейромаркетинг |
| Özet: | Метою роботи є методи аналізу нейромаркетингових показників, на основі нейромереж та розробленого алгоритму конвертації даних, проектування та розробка програмної системи для ідентифікації станів головного мозку при різних зовнішніх подразниках. Методи розробки базуються на інструментах розробки нейронних алгоритмів на платформі Python. В результаті роботи було розглянуто методи нейромаркетингу, алгоритми аналізу, збору та обробки даних та розроблено програмну реалізацію системи аналізу та ідентифікації нейромаркетингових показників на основі даних взятих з головного мозку людини, яка представляє собою додаток на основі платформи Python. |
| Açıklama: | The aim of the work is methods of analysis of neuromarketing indicators, based on neural networks and the developed algorithm of data conversion, design and development of a software system for identification of brain conditions with various external stimuli. Development methods are based on tools for developing neural algorithms on the Python platform. As a result, neuromarketing methods, algorithms for analysis, data collection and processing were considered and a software implementation of a system for analysis and identification of neuromarketing indicators based on data taken from the human brain, which is an application based on the Python platform. |
| URI: | http://elartu.tntu.edu.ua/handle/lib/33595 |
| References (International): | 1. Neuromarketing: Towards a better understanding of consumer behavior. . [Digital resource] – Mode of access: URL: https://www.researchgate.net/publication/272823068_Neuromarketing_Towards_a_ better_understanding_of_consumer_behavior 2. Дослідження впливу факторів нейромаркетингу на поведінку споживачів. . [Digital resource] – Mode of access: URL: http://nltu.edu.ua/nv/Archive/2015/25_4/62.pdf 3. Нейромаркетинг, або Як заволодіті мозком покупця. . [Digital resource] – Mode of access: URL: http://slaidik.com.ua/nejromarketing-abo-yak-zavoloditi-mozkom- pokuptsya/ Что такое нейромаркенг и почему он вам не поможет. [Digital resource] – Mode of access: URL: https://medium.com/@giraff.io/%D1%87%D1%82%D0%BE- %D1%82%D0%B0%D0%BA%D0%BE%D0%. 5. sklearn.neural_network.MLPClassifier. [Digital resource] – Mode of access: URL: https://scikit- learn.org/stable/modules/generated/sklearn.neural_network.MLPClassifier.html 6. Understanding Random Forests Classifiers in Python. URL: https://www.datacamp.com/community/tutorials/random-forests-classifier-python 7. sklearn.ensemble.RandomForestClassifier. [Digital resource] – Mode of access: URL: https://scikit- learn.org/stable/modules/generated/sklearn.ensemble.RandomForestClassifier.html 8. ExtraTreesClassifier. How does ExtraTreesClassifier reduce the risk of overfitting? [Digital resource] – Mode of access: URL: https://medium.com/@namanbhandari/extratreesclassifier-8e7fc0502c7 9. sklearn.ensemble.ExtraTreesClassifier. [Digital resource] – Mode of access: URL: https://scikit- learn.org/stable/modules/generated/sklearn.ensemble.ExtraTreesClassifier.html 10. Decision Tree Classification in Python. [Digital resource] – Mode of access: URL: https://www.datacamp.com/community/tutorials/decision-tree-classification-python 11. Wu, Xindong; Kumar, Vipin; Ross Quinlan, J.; Ghosh, Joydeep; Yang, Qiang; Motoda, Hiroshi; McLachlan, Geoffrey J.; Ng, Angus; Liu, Bing; Yu, Philip S.; Zhou, Zhi-Hua (2008-01-01). "Top 10 algorithms in data mining". Knowledge and Information Systems. [Text] 14 (1): 1–37 12. sklearn.ensemble.GradientBoostingClassifier. [Digital resource] – Mode of access: URL: https://scikit- learn.org/stable/modules/generated/sklearn.ensemble.GradientBoostingClassifier.ht ml |
| Content type: | Master Thesis |
| Koleksiyonlarda Görünür: | 121 — інженерія програмного забезпечення |
Bu öğenin dosyaları:
| Dosya | Açıklama | Boyut | Biçim | |
|---|---|---|---|---|
| Кваліфікаційна_робота_Глова_Богдан.pdf | 1,23 MB | Adobe PDF | Göster/Aç |
DSpace'deki bütün öğeler, aksi belirtilmedikçe, tüm hakları saklı tutulmak şartıyla telif hakkı ile korunmaktadır.
Yönetim Araçları