Факультет комп'ютерних наук, фізики та математики
Permanent URI for this communityhttps://ekhsuir.kspu.edu/handle/123456789/10254
Browse
3 results
Search Results
Item ПРОГНОЗУВАННЯ ДИНАМІКИ ЦІН КРИПТОВАЛЮТ З ВИКОРИСТАННЯМ ТЕХНІКИ МАШИННОГО НАВЧАННЯ(2024) Молікевич, Р. С.У роботі проведено комплексний аналіз цін та прибутковості 15 криптовалют із використанням моделей машинного навчання та методів оптимізації портфеля. Зокрема, застосовано модель XGBoost для прогнозування цін криптовалют, що виявило їхню високу волатильність та залежність від ринкових коливань. Модель Марковіца використано для оптимізації інвестиційного портфеля з метою досягнення найкращого співвідношення прибутковості та ризику. Також розглянуто можливість стейкінгу криптовалют для додаткового приросту капіталу. На основі отриманих даних запропоновано стратегію автоматичних продажів активів при досягненні прогнозованих цін для підвищення ефективності інвестиційної діяльності. / This study provides a comprehensive analysis of the prices and profitability of 15 cryptocurrencies using machine learning models and portfolio optimization methods. In particular, the XGBoost model was applied for cryptocurrency price forecasting, revealing their high volatility and dependence on market fluctuations. The Markowitz model was used to optimize the investment portfolio to achieve the best possible return-to-risk ratio. Additionally, the potential of staking cryptocurrencies for extra capital growth was explored. Based on the obtained data, a strategy for automatic asset sales at forecasted prices was proposed to enhance investment efficiency.Item ПОРІВНЯЛЬНЕ ОЦІНЮВАННЯ МЕТОДІВ МАШИННОГО НАВЧАННЯ ДЛЯ ПРОГНОЗУВАННЯ ЦІН НА НЕРУХОМОСТІ(2024) Федченко, К. О.Ця робота досліджує методи машинного навчання для використання у веб-сервісах, що прогнозують ціни на нерухомість, враховуючи різні характеристики квартир. У роботі розглянуто використання моделей машинного навчання та аналіз схожих квартир для визначення середніх ринкових цін. Вона також обговорює виклики, пов'язані з інтеграцією прогнозування цін у реальному часі в існуючі веб-платформи, та пропонує рішення для автоматизованого аналізу цін на основі великого масиву даних. Ця робота є корисною для розробників веб-сервісів, аналітиків нерухомості та орендодавців, які прагнуть підвищити ефективність оцінки ринкових цін. / This work explores machine learning methods for use in web services that predict real estate prices based on various apartment characteristics. The paper examines the use of machine learning models and the analysis of similar apartments to determine average market prices. It also discusses challenges associated with integrating real-time price prediction into existing web platforms and proposes solutions for automated price analysis based on large datasets. This work is valuable for web developers, real estate analysts, and landlords aiming to improve the efficiency of market price evaluation.Item Дослiдження bigdata методами машинного навчання(2019) Веренич, К. О.Метою магістерської роботи є ознайомлення з машинним навчанням та його застосуванням на мові Python та розробити додаток обробки bigdata використовуючи аккаунти соціальної мережі Instagram.