1. ELARTU — Інституційний репозитарій ТНТУ імені Івана Пулюя
2. Матеріали конференцій, семінарів, читань
3. 2026
4. Ⅸ Міжнародна студентська науково-технічна конференція „Природничі та гуманітарні науки. Актуальні питання“ (2026)

Título:	Ефективність методів машинного навчання при використанні таргетованої реклами
Outros títulos:	Effectiveness of machine learning methods in using targeted advertising
Authors:	Литвиненко, С. Lytvynenko, S.
Affiliation:	Тернопільський національний технічний університет імені Івана Пулюя Ternopil Ivan Puluj National Technical University
Bibliographic description (Ukraine):	Литвиненко С. Ефективність методів машинного навчання при використанні таргетованої реклами / Литвиненко С. // Матеріали IX Міжнар. студ. наук.-техн. конф. „Природничі та гуманітарні науки. Актуальні питання“, 24-25 квітня 2026 р. — Т. : ТНТУ, 2026. — С. 213–214. — (Інформаційні технології).
Bibliographic reference (2015):	Литвиненко С. Ефективність методів машинного навчання при використанні таргетованої реклами // Матеріали IX Міжнар. студ. наук.-техн. конф. „Природничі та гуманітарні науки. Актуальні питання“, Тернопіль, 24-25 квітня 2026 р. 2026. С. 213–214.
Bibliographic citation (APA):	Lytvynenko, S. (2026). Efektyvnist metodiv mashynnoho navchannia pry vykorystanni tarhetovanoi reklamy [Effectiveness of machine learning methods in using targeted advertising]. Proceedings of the IX International Student Scientific and Technical Conference “Natural Sciences and Humanities. Current Issues”, 24-25 April 2026, Ternopil, 213-214. TNTU. [in Ukrainian].
Bibliographic citation (CHICAGO):	Lytvynenko S. (2026) Efektyvnist metodiv mashynnoho navchannia pry vykorystanni tarhetovanoi reklamy [Effectiveness of machine learning methods in using targeted advertising]. Proceedings of the IX International Student Scientific and Technical Conference “Natural Sciences and Humanities. Current Issues” (Tern., 24-25 April 2026), pp. 213-214 [in Ukrainian].
Is part of:	Матеріали Ⅸ Міжнародної студентської науково-технічної конференції „Природничі та гуманітарні науки. Актуальні питання“, 2026 Proceedings of the IX International Student Scientific and Technical Conference “Natural Sciences and Humanities. Current Issues”, 2026
Conference/Event:	Ⅸ Міжнародна студентська науково-технічна конференція „Природничі та гуманітарні науки. Актуальні питання“
Journal/Collection:	Матеріали Ⅸ Міжнародної студентської науково-технічної конференції „Природничі та гуманітарні науки. Актуальні питання“
Data de edición:	24-Apr-2026
Date of entry:	10-Jun-2026
Editor:	ТНТУ TNTU
Place of the edition/event:	Тернопіль Ternopil
Temporal Coverage:	24-25 квітня 2026 р. 24-25 April 2026
Supervisor:	Фриз, Михайло Євгенович Friz, M. E.
UDC:	004.8 339.138
Number of pages:	2
Page range:	213-214
Start page:	213
End page:	214
URI:	http://elartu.tntu.edu.ua/handle/lib/52201
Copyright owner:	© Тернопільський національний технічний університет імені Івана Пулюя, 2026
References (Ukraine):	1. Hastie T., Tibshirani R., Friedman J. The Elements of Statistical Learning: Data Mining, Inference, and Prediction. New York : Springer, 2009. 745 p. 2. Bishop C. M. Pattern Recognition and Machine Learning. New York : Springer, 2006. 738 p. 3. Goodfellow I., Bengio Y., Courville A. Deep Learning. Cambridge : MIT Press, 2016. 800 p. 4. Russell S., Norvig P. Artificial Intelligence: A Modern Approach. 4th ed. Pearson, 2021. 1136 p. 5. Ricci F., Rokach L., Shapira B. Recommender Systems Handbook. Springer, 2015. 1000 p. 6. Rendle S. Factorization Machines. IEEE International Conference on Data Mining. 2010. P. 995–1000. 7. Covington P., Adams J., Sargin E. Deep Neural Networks for YouTube Recommendations. Proceedings of RecSys. 2016. P. 191–198. 8. McMahan H. B. et al. Ad Click Prediction: a View from the Trenches. Proceedings of KDD. 2013. P. 1222–1230. 9. Zhang W. et al. Deep Learning over Multi-field Categorical Data. European Conference on Information Retrieval. 2016. P. 45–57. 10. Liu B. Web Data Mining: Exploring Hyperlinks, Contents, and Usage Data. Springer, 2011. 524 p. 11. Provost F., Fawcett T. Data Science for Business. O’Reilly Media, 2013. 403 p.
References (International):	1. Hastie T., Tibshirani R., Friedman J. The Elements of Statistical Learning: Data Mining, Inference, and Prediction. New York : Springer, 2009. 745 p. 2. Bishop C. M. Pattern Recognition and Machine Learning. New York : Springer, 2006. 738 p. 3. Goodfellow I., Bengio Y., Courville A. Deep Learning. Cambridge : MIT Press, 2016. 800 p. 4. Russell S., Norvig P. Artificial Intelligence: A Modern Approach. 4th ed. Pearson, 2021. 1136 p. 5. Ricci F., Rokach L., Shapira B. Recommender Systems Handbook. Springer, 2015. 1000 p. 6. Rendle S. Factorization Machines. IEEE International Conference on Data Mining. 2010. P. 995–1000. 7. Covington P., Adams J., Sargin E. Deep Neural Networks for YouTube Recommendations. Proceedings of RecSys. 2016. P. 191–198. 8. McMahan H. B. et al. Ad Click Prediction: a View from the Trenches. Proceedings of KDD. 2013. P. 1222–1230. 9. Zhang W. et al. Deep Learning over Multi-field Categorical Data. European Conference on Information Retrieval. 2016. P. 45–57. 10. Liu B. Web Data Mining: Exploring Hyperlinks, Contents, and Usage Data. Springer, 2011. 524 p. 11. Provost F., Fawcett T. Data Science for Business. O’Reilly Media, 2013. 403 p.
Content type:	Conference Abstract
Aparece nas Coleccións	Ⅸ Міжнародна студентська науково-технічна конференція „Природничі та гуманітарні науки. Актуальні питання“ (2026)

Todos os documentos en Dspace estan protexidos por copyright, con todos os dereitos reservados