Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал: http://dspace.wunu.edu.ua/handle/316497/50349
Повний запис метаданих
Поле DCЗначенняМова
dc.contributor.authorМись, Андрій Русланович-
dc.date.accessioned2024-05-10T08:50:03Z-
dc.date.available2024-05-10T08:50:03Z-
dc.date.issued2023-
dc.identifier.citationМись, А. Р. Інтелектуальний модуль прогнозування врожайності ягід = Intelligent berry yield prediction module : дипломний проєкт : спец. 122 – комп’ютерні науки освітньо-професійна програма – комп’ютерні науки / Андрій Русланович Мись ; наук. керівник к.т.н., доц. Т. В. Лендюк. Тернопіль : ЗУНУ, 2023. 63 с.uk_UA
dc.identifier.urihttp://dspace.wunu.edu.ua/handle/316497/50349-
dc.description.abstractПояснювальна записка до дипломного проекту: 62 с., 7 рис., 1 табл., 2 додатки, 48 джерел. Метою дипломного проекту є розробка інтелектуального модуля прогнозування врожайності ягід, заснованого на алгоритмах машинного навчання. Об'єктом дослідження є процес прогнозування врожайності ягід. Предметом дослідження є використання ансамблевих моделей машинного навчання, зокрема XGBoost, LightGBM та CatBoost, для створення точного прогнозу врожайності ягід. Розроблено та досліджено програмне забезпечення для інтелектуального модуля прогнозування врожайності ягід. Розроблений модуль може допомогти фермерам і аграріям планувати свою діяльність, оптимізувати витрати та підвищувати продуктивність. Модуль також може стати корисним інструментом для дослідників іаналітиків в агросекторі.uk_UA
dc.publisherТернопіль, ЗУНУuk_UA
dc.subjectпрогнозування врожайності ягідuk_UA
dc.subjectалгоритми машинного навчанняuk_UA
dc.subjectансамблеве навчанняuk_UA
dc.subjectXGBoostuk_UA
dc.subjectLightGBMuk_UA
dc.subjectCatBoostuk_UA
dc.subjectвалідація моделейuk_UA
dc.subjectberry yield predictionuk_UA
dc.subjectmachine learning algorithmsuk_UA
dc.subjectensemble learninguk_UA
dc.subjectmodel validationuk_UA
dc.titleІнтелектуальний модуль прогнозування врожайності ягідuk_UA
dc.title.alternativeIntelligent berry yield prediction moduleuk_UA
dc.typeThesisuk_UA
Розташовується у зібраннях:2023-2024 н. р.

Файли цього матеріалу:
Файл Опис РозмірФормат 
Мись.pdf1.78 MBAdobe PDFПереглянути/Відкрити


Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.