Прогнозування цін ноутбуків із використанням методів машинного навчання

Abstract

Актуальність теми зумовлена зумовлена кількома важливими факторами: − Змінами на ринку. Ринок ноутбуків є вкрай динамічним і піддається постійним змінам в технологічних та маркетингових трендах. В такому середовищі точні прогнози щодо цін стають важливими для виробників, роздрібних та оптових продавців, а також споживачів. − Економічними вигодами. Точні прогнози цін дозволяють оптимізувати стратегії ціноутворення та запасів, що може призвести до збільшення прибутку та зменшення витрат. − Популярністю онлайн-торгівлі. Зростаюча популярність онлайн-торгівлі робить цінову конкуренцію більш інтенсивною, і точні прогнози цін можуть допомогти компаніям зберігати конкурентну перевагу. − Залученням споживачів. Покупці користуються веб-сайтами та додатками для порівняння цін, тож точні прогнози допомагають їм приймати обдумані рішення. − Аналізом великих даних. Збільшується важливість аналізу великих обсягів даних у бізнесі та різних галузях. Машинне навчання є інструментом, що допомагає виробникам та роздрібним продавцям аналізувати та прогнозувати ціни великої кількості товарів. Об’єктом дослідження є процеси прогнозування цін ноутбуків. Предметом дослідження є методи регресії для обробки великих обсягів даних. Метою дослідження є покращення точності прогнозування цін ноутбуків за рахунок розробки застосунку для аналізу великого набору даних із використанням методів машинного навчання. У першому розділі представлений опис методів регресії, наведений алгоритм навчання моделі, розроблена специфікація вимог до програмного забезпечення. У другому розділі наведено опис предметної області, опис набору вхідних даних та ознак, первинний аналіз даних, їхня передобробка та візуалізація. У третьому розділі здійснено проєктування та моделювання системи, вибір технології та мови програмування, вибір компонентів програмного забезпечення. У четвертому розділі показано основні кроки реалізації застосунку. В останньому розділі розглянуто питання охорони праці, які безпосередньо пов’язані з діяльністю розробника програмного забезпечення. В результаті виконання кваліфікаційної роботи магістра було реалізовано вебзастосунок прогнозування цін ноутбуків із використанням методів машинного навчання. Також були зроблені висновки щодо покращення точності прогнозування цін ноутбуків. КРМ викладена на 90 сторінок, вона містить 5 розділів, 38 ілюстрацій, 2 таблиць, 19 джерел в переліку посилань The relevance of the topic is determined by several important factors: − Changes in the market. The laptop market is extremely dynamic and subject to constant changes in technological and marketing trends. In such an environment, accurate price forecasts become important for manufacturers, retailers and wholesalers, as well as consumers. − Economic benefits. Accurate price forecasts enable optimization of pricing and inventory strategies, which can lead to increased profits and reduced costs. − Popularity of online trade. The growing popularity of online shopping makes price competition more intense, and accurate price forecasts can help companies maintain a competitive edge. − Involvement of consumers. Shoppers use websites and apps to compare prices, so accurate forecasts help them make informed decisions. − Big data analysis. The importance of analyzing large volumes of data in business and various industries is increasing. Machine learning is a tool that helps manufacturers and retailers analyze and predict the prices of a large number of products. The object of the study is the process of forecasting laptop prices. The subject of research is regression methods for processing large volumes of data. The aim of the study is to improve the accuracy of laptop price forecasting by developing an application for analyzing a large data set using machine learning methods. The first section presents a description of regression methods, a model learning algorithm, and developed a specification of software requirements. The second section provides a description of the subject area, a description of the set of input data and features, primary data analysis, their refinement and visualization. In the third section, the design and modeling of the system, the choice of technology and programming language, and the selection of software components are carried out. The fourth section shows the main steps of application implementation. The last section deals with occupational health and safety issues that are directly related to the activities of a software developer. As a result of completing the master's qualification work, a web application for predicting laptop prices using machine learning methods was implemented. Conclusions were also made regarding the improvement of the accuracy of forecasting laptop prices The KRM is set out on 90 pages, it contains 5 chapters, 38 illustrations, 2 tables, 19 sources in the list of references