Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал:
http://elartu.tntu.edu.ua/handle/lib/36823| Назва: | Розробка програмного забезпечення для аналізу та прогнозування фондового та криптовалютного ринку на мові Python |
| Інші назви: | Development of software for analysis and forecasting of stock and cryptocurrency market in Python |
| Автори: | Кос, Андрій Миколайович Kos, Andriy |
| Бібліографічний опис: | Кос А. М. Розробка програмного забезпечення для аналізу та прогнозування фондового та криптовалютного ринку на мові Python : кваліфікаційна робота магістра за спеціальністю „121 — інженерія програмного забезпечення“ / А. М. Кос. — Тернопіль: ТНТУ, 2021. — 76 с. |
| Bibliographic description: | Kos A. M. Development of software for analysis and forecasting of stock and cryptocurrency market in Python: diploma thesis for the qualification level of master of specialty "121 — Software Engineering"/ A. M. Kos — Ternopil: TNTU, 2021. — 76 pp. |
| Дата публікації: | 26-гру-2021 |
| Дата подання: | 26-гру-2021 |
| Дата внесення: | 26-гру-2021 |
| Видавництво: | ТНТУ ім. І Пулюя |
| Країна (код): | UA |
| Місце видання, проведення: | ТНТУ ім. І. Пулюя |
| Науковий керівник: | Стоянов, Юрій Миколайович |
| УДК: | 004.9 |
| Теми: | 121 інженерія програмного забезпечення фреймворк python датасет нейронна мережа framework |
| Короткий огляд (реферат): | Магістерська робота «Розробка програмного забезпечення для аналізу та прогнозування фондового та криптовалютного ринку на мові Python» Кос Андрій Миколайович, Тернопільський національний технічний університет імені І. Пулюя, факультет комп’ютерно–інформаційних систем і програмної інженерії, кафедра програмної інженерії, група СПм–61, Тернопіль, 2021.
Пояснювальна записка містить: 60 с. 7 рис., 1 табл., презентація. The aim of the work is to develop a software system for forecasting market segments for the strategic period using neural networks fo r analysis and forecasting of the stock and cryptocurrency market. |
| Опис: | Метою роботи є розробка програмної системи для прогнозування сегментів ринку на стратегічному періоді з використанням нейронних мереж для аналізу і прогнозування фондового та криптовалютного ринку. |
| URI (Уніфікований ідентифікатор ресурсу): | http://elartu.tntu.edu.ua/handle/lib/36823 |
| Перелік літератури: | 1. McCulloch, Warren; Walter Pitts (1943). "A Logical Calculus of Ideas Immanent in Nervous Activity". Bulletin of Mathematical Biophysics. 5 (4): 115–133. doi:10.1007/BF02478259. 2. Kleene, S.C. (1956). "Representation of Events in Nerve Nets and Finite Automata". Annals of Mathematics Studies (34). Princeton University Press. pp. 3–41. Retrieved 17 June 2017. 3. Hebb, Donald (1949). The Organization of Behavior. New York: Wiley. ISBN 978-1-135-63190-1. 4. Farley, B.G.; W.A. Clark (1954). "Simulation of Self-Organizing Systems by Digital Computer". IRE Transactions on Information Theory. 4 (4): 76–84. doi:10.1109/TIT.1954.1057468. 5. Haykin (2008) Neural Networks and Learning Machines, 3rd edition 6. Rosenblatt, F. (1958). "The Perceptron: A Probabilistic Model For Information Storage And Organization in the Brain". Psychological Review. 65 (6): 386–408. CiteSeerX 10.1.1.588.3775. doi:10.1037/h0042519. PMID 13602029. 7. Werbos, P.J. (1975). Beyond Regression: New Tools for Prediction and Analysis in the Behavioral Sciences. 8. Rosenblatt, Frank (1957). "The Perceptron—a perceiving and recognizing automaton". Report 85-460-1. Cornell Aeronautical Laboratory. 9. Olazaran, Mikel (1996). "A Sociological Study of the Official History of the Perceptrons Controversy". Social Studies of Science. 26 (3): 611–659. doi:10.1177/030631296026003005. JSTOR 285702. S2CID 16786738. 10. Schmidhuber, J. (2015). "Deep Learning in Neural Networks: An Overview". Neural Networks. 61: 85–117. arXiv:1404.7828. doi:10.1016/j.neunet.2014.09.003. PMID 25462637. S2CID 11715509. 11. Ivakhnenko, A. G. (1973). Cybernetic Predicting Devices. CCM Information Corporation. 12. Ivakhnenko, A. G.; Grigorʹevich Lapa, Valentin (1967). Cybernetics and forecasting techniques. American Elsevier Pub. Co. 13. Schmidhuber, Jürgen (2015). "Deep Learning". Scholarpedia. 10 (11): 85–117. Bibcode:2015SchpJ..1032832S. doi:10.4249/scholarpedia.32832. |
| Тип вмісту: | Master Thesis |
| Розташовується у зібраннях: | 121 — інженерія програмного забезпечення |
Файли цього матеріалу:
| Файл | Опис | Розмір | Формат | |
|---|---|---|---|---|
| Кос.pdf | 762,82 kB | Adobe PDF | Переглянути/відкрити |
Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.
Інструменти адміністратора