1. ELARTU — Інституційний репозитарій ТНТУ імені Івана Пулюя
  2. Роботи студентів
  3. Магістр
  4. 121 — інженерія програмного забезпечення
Ezzel az azonosítóval hivatkozhat erre a dokumentumra forrásmegjelölésben vagy hiperhivatkozás esetén: http://elartu.tntu.edu.ua/handle/lib/36823
Összes dokumentumadat
DC mezőÉrtékNyelv
dc.contributor.advisorСтоянов, Юрій Миколайович-
dc.contributor.authorКос, Андрій Миколайович-
dc.contributor.authorKos, Andriy-
dc.date.accessioned2021-12-26T00:11:32Z-
dc.date.available2021-12-26T00:11:32Z-
dc.date.issued2021-12-26-
dc.date.submitted2021-12-26-
dc.identifier.citationКос 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.uk_UA
dc.identifier.urihttp://elartu.tntu.edu.ua/handle/lib/36823-
dc.descriptionМетою роботи є розробка програмної системи для прогнозування сегментів ринку на стратегічному періоді з використанням нейронних мереж для аналізу і прогнозування фондового та криптовалютного ринку.uk_UA
dc.description.abstractМагістерська 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.uk_UA
dc.description.abstractThe 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.-
dc.language.isoukuk_UA
dc.publisherТНТУ ім. І Пулюяuk_UA
dc.subject121uk_UA
dc.subjectінженерія програмного забезпеченняuk_UA
dc.subjectфреймворкuk_UA
dc.subjectpythonuk_UA
dc.subjectдатасетuk_UA
dc.subjectнейронна мережаuk_UA
dc.subjectframework-
dc.titleРозробка програмного забезпечення для аналізу та прогнозування фондового та криптовалютного ринку на мові Pythonuk_UA
dc.title.alternativeDevelopment of software for analysis and forecasting of stock and cryptocurrency market in Pythonuk_UA
dc.typeMaster Thesisuk_UA
dc.coverage.placenameТНТУ ім. І. Пулюяuk_UA
dc.subject.udc004.9uk_UA
dc.relation.references1. 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.uk_UA
dc.relation.references2. 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.uk_UA
dc.relation.references3. Hebb, Donald (1949). The Organization of Behavior. New York: Wiley. ISBN 978-1-135-63190-1.uk_UA
dc.relation.references4. 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.uk_UA
dc.relation.references5. Haykin (2008) Neural Networks and Learning Machines, 3rd editionuk_UA
dc.relation.references6. 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.uk_UA
dc.relation.references7. Werbos, P.J. (1975). Beyond Regression: New Tools for Prediction and Analysis in the Behavioral Sciences.uk_UA
dc.relation.references8. Rosenblatt, Frank (1957). "The Perceptron—a perceiving and recognizing automaton". Report 85-460-1. Cornell Aeronautical Laboratory.uk_UA
dc.relation.references9. 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.uk_UA
dc.relation.references10. 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.uk_UA
dc.relation.references11. Ivakhnenko, A. G. (1973). Cybernetic Predicting Devices. CCM Information Corporation.uk_UA
dc.relation.references12. Ivakhnenko, A. G.; Grigorʹevich Lapa, Valentin (1967). Cybernetics and forecasting techniques. American Elsevier Pub. Co.uk_UA
dc.relation.references13. Schmidhuber, Jürgen (2015). "Deep Learning". Scholarpedia. 10 (11): 85–117. Bibcode:2015SchpJ..1032832S. doi:10.4249/scholarpedia.32832.uk_UA
dc.identifier.citationenKos 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.uk_UA
dc.coverage.countryUAuk_UA
Ebben a gyűjteményben:121 — інженерія програмного забезпечення

Fájlok a dokumentumban:
Fájl Leírás MéretFormátum 
Кос.pdf762,82 kBAdobe PDFMegtekintés/Megnyitás
Áttekintő adatok a dokumentumról


Minden dokumentum, ami a DSpace rendszerben szerepel, szerzői jogokkal védett. Minden jog fenntartva!

Admin Tools