| dc.contributor.author | Шмундяк, Д. О. | uk |
| dc.contributor.author | Іжаковська, Н. С. | uk |
| dc.contributor.author | Литвиненко, Д. О. | uk |
| dc.contributor.author | Судець, А. О. | uk |
| dc.date.accessioned | 2024-02-23T14:21:38Z | |
| dc.date.available | 2024-02-23T14:21:38Z | |
| dc.date.issued | 2023 | |
| dc.identifier.citation | Аналіз можливостей Python-бібліотек щодо виявлення аномальних даних у задачі прогнозування стану атмосферного повітря [Електронний ресурс] / Д. О. Шмундяк, Н. С. Іжаковська, Д. О. Литвиненко, А. О. Судець // Матеріали LII Науково-технічної конференції підрозділів ВНТУ, Вінниця, 21-23 червня 2023 р. – Електрон. текст. дані. – 2023. – Режим доступу: https://conferences.vntu.edu.ua/index.php/all-fksa/all-fksa-2023/paper/view/18957. | uk |
| dc.identifier.uri | http://ir.lib.vntu.edu.ua//handle/123456789/39234 | |
| dc.description.abstract | Проведено порівняльний аналіз деяких бібліотек для мови програмування Python щодо їх можливостей
виявлення аномальних даних. Описано основні принципи роботи кожної з бібліотек, вказано їх переваги та
недоліки. Проведено практичні випробування та порівняння ефективності цих бібліотек для виявлення аномалій
у даних громадського моніторингу якості атмосферного повітря мережі EcoCity. | uk |
| dc.description.abstract | The purpose of the paper is to conduct a comparative overview of some of the Python programming language libraries
to understand their anomaly detection capabilities. The primary principles of every approach and algorithm were
described, and their advantages and disadvantages were listed. The efficiency of these approaches was compared by
applying algorithms to detect anomalies inside the dataset of the air quality monitoring system EcoCity | en |
| dc.language.iso | uk_UA | uk_UA |
| dc.publisher | ВНТУ | uk |
| dc.relation.ispartof | Матеріали LII Науково-технічної конференції підрозділів ВНТУ, Вінниця, 21-23 червня 2023 р. | uk |
| dc.relation.uri | https://conferences.vntu.edu.ua/index.php/all-fksa/all-fksa-2023/paper/view/18957 | |
| dc.subject | якість атмосферного повітря | uk |
| dc.subject | аномалії часових рядів | uk |
| dc.subject | Python | en |
| dc.subject | машинне навчання | uk |
| dc.subject | EcoCity | en |
| dc.subject | air quality | en |
| dc.subject | time series anomalies | en |
| dc.subject | machine learning | en |
| dc.title | Аналіз можливостей Python-бібліотек щодо виявлення аномальних даних у задачі прогнозування стану атмосферного повітря | uk |
| dc.title.alternative | Analysis of python libraries for detecting anomalies in the sphere of atmospheric air state forecasting | en |
| dc.type | Thesis | |
| dc.identifier.udc | 004.9+574 | |
| dc.relation.references | Eco-City Громадський моніторинг стану якості повітря [Електронний ресурс] – Режим доступу до ресурсу:
https://eco-city.org.ua/. | uk |
| dc.relation.references | Eco-City Кабінет дослідника [Електронний ресурс] – Режим доступу до ресурсу: https://archive.eco-city.org.ua/. | uk |
| dc.relation.references | AnomalyDetection: Anomaly Detection Using Seasonal Hybrid Extreme Studentized Deviate Test [Електронний ресурс]
– Режим доступу до ресурсу: https://rdrr.io/github/twitter/AnomalyDetection/f/README.md | en |
| dc.relation.references | Anomaly Detection: Seasonal ESD [Електронний ресурс] – Режим доступу до ресурсу:
https://github.com/nachonavarro/seasonal-esd-anomaly-detection/blob/master/README.md | en |
| dc.relation.references | Isolation Forest [Електронний ресурс] – Режим доступу до ресурсу: https://scikitlearn.org/stable/modules/outlier_detection.html#isolation-forest. | en |
| dc.relation.references | Statsmodels [Електронний ресурс] – Режим доступу до ресурсу: https://www.statsmodels.org/stable/index.html. | en |
