1. ELARTU — Інституційний репозитарій ТНТУ імені Івана Пулюя
  2. Роботи студентів
  3. Магістр
  4. 121 — інженерія програмного забезпечення
Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал: http://elartu.tntu.edu.ua/handle/lib/33595
Повний запис метаданих
Поле DCЗначенняМова
dc.contributor.authorГлова, Богдан Вікторович-
dc.contributor.authorHlova, Bohdan-
dc.date.accessioned2020-12-28T15:31:16Z-
dc.date.available2020-12-28T15:31:16Z-
dc.date.issued2020-12-28-
dc.identifier.citationГлова 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.uk_UA
dc.identifier.urihttp://elartu.tntu.edu.ua/handle/lib/33595-
dc.descriptionThe 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.uk_UA
dc.description.abstractМетою 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.uk_UA
dc.language.isoukuk_UA
dc.subject121uk_UA
dc.subjectінженерія програмного забезпеченняuk_UA
dc.subjectНейромережаuk_UA
dc.subjectНейромаркетингuk_UA
dc.titleРозробка системи для ідентифікації маркетингових показників на базі Pythonuk_UA
dc.title.alternativeDevelopment of Python-based system for marketing indices identificationuk_UA
dc.typeMaster Thesisuk_UA
dc.coverage.placenameТНТУ ім. І. Пулюяuk_UA
dc.subject.udc004.9uk_UA
dc.relation.referencesen1. 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_behavioruk_UA
dc.relation.referencesen2. Дослідження впливу факторів нейромаркетингу на поведінку споживачів. . [Digital resource] – Mode of access: URL: http://nltu.edu.ua/nv/Archive/2015/25_4/62.pdfuk_UA
dc.relation.referencesen3. Нейромаркетинг, або Як заволодіті мозком покупця. . [Digital resource] – Mode of access: URL: http://slaidik.com.ua/nejromarketing-abo-yak-zavoloditi-mozkom- pokuptsya/uk_UA
dc.relation.referencesenЧто 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%.uk_UA
dc.relation.referencesen5. sklearn.neural_network.MLPClassifier. [Digital resource] – Mode of access: URL: https://scikit- learn.org/stable/modules/generated/sklearn.neural_network.MLPClassifier.htmluk_UA
dc.relation.referencesen6. Understanding Random Forests Classifiers in Python. URL: https://www.datacamp.com/community/tutorials/random-forests-classifier-pythonuk_UA
dc.relation.referencesen7. sklearn.ensemble.RandomForestClassifier. [Digital resource] – Mode of access: URL: https://scikit- learn.org/stable/modules/generated/sklearn.ensemble.RandomForestClassifier.htmluk_UA
dc.relation.referencesen8. ExtraTreesClassifier. How does ExtraTreesClassifier reduce the risk of overfitting? [Digital resource] – Mode of access: URL: https://medium.com/@namanbhandari/extratreesclassifier-8e7fc0502c7uk_UA
dc.relation.referencesen9. sklearn.ensemble.ExtraTreesClassifier. [Digital resource] – Mode of access: URL: https://scikit- learn.org/stable/modules/generated/sklearn.ensemble.ExtraTreesClassifier.htmluk_UA
dc.relation.referencesen10. Decision Tree Classification in Python. [Digital resource] – Mode of access: URL: https://www.datacamp.com/community/tutorials/decision-tree-classification-pythonuk_UA
dc.relation.referencesen11. 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): 1–37uk_UA
dc.relation.referencesen12. sklearn.ensemble.GradientBoostingClassifier. [Digital resource] – Mode of access: URL: https://scikit- learn.org/stable/modules/generated/sklearn.ensemble.GradientBoostingClassifier.ht mluk_UA
dc.coverage.countryUAuk_UA
Розташовується у зібраннях:121 — інженерія програмного забезпечення

Файли цього матеріалу:
Файл Опис РозмірФормат 
Кваліфікаційна_робота_Глова_Богдан.pdf1,23 MBAdobe PDFПереглянути/відкрити
Показати базовий опис матеріалу Перегляд статистики


Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.

Інструменти адміністратора