| dc.contributor.author | Дудар, А. М. | uk |
| dc.contributor.author | Жуков, С. О. | uk |
| dc.date.accessioned | 2025-08-13T09:25:10Z | |
| dc.date.available | 2025-08-13T09:25:10Z | |
| dc.date.issued | 2025 | |
| dc.identifier.citation | | uk |
| dc.identifier.uri | https://ir.lib.vntu.edu.ua//handle/123456789/47772 | |
| dc.description.abstract | Дану роботу присвячено прогнозуванню кількості продажів з використанням алгоритму Gradient Boosting. В рамках дослідження проведено передобробку даних, виконано розвідувальний аналіз даних, розроблено модель для прогнозування кількості продажів та проведено її тестування. Модель було перевірено та підтверджено її ефективність на основі раніше невідомих даних. | uk |
| dc.description.abstract | This work is devoted to forecasting the number of sales using the Gradient Boosting algorithm. As part of the study, data reprocessing was carried out, exploratory data analysis was carried out, a model for predicting the number of sales was developed and tested. The model was tested and its effectiveness was confirmed based on previously unknown data. | en |
| dc.language.iso | uk_UA | uk_UA |
| dc.publisher | ВНТУ | uk |
| dc.relation.ispartof | // Матеріали Всеукраїнської науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2025)», 15-16 червня 2025 р. | uk |
| dc.relation.uri | https://conferences.vntu.edu.ua/index.php/mn/mn2025/paper/view/24909 | |
| dc.subject | Gradient Boosting | uk |
| dc.subject | машинне навчання | uk |
| dc.subject | передобробка даних | uk |
| dc.subject | нормалізація | uk |
| dc.subject | аналіз | uk |
| dc.subject | прогнозування кількості продажів | uk |
| dc.subject | Gradient Boosting | uk |
| dc.subject | machine learning | uk |
| dc.subject | data reprocessing | uk |
| dc.subject | normalization | uk |
| dc.subject | analysis | uk |
| dc.subject | sales forecasting | uk |
| dc.title | Прогнозування продажів продуктової компанії з використанням gradient boosting | uk |
| dc.type | Thesis | |
| dc.identifier.udc | 004.85: 330.4 | |
| dc.relation.references | Company Financials Dataset Kaggle. [ ]. : https://www.kaggle.com/datasets/atharvaarya25/financials | |
| dc.relation.references | Zhang Z., Zhao Y., Canes A., Steinberg D., Lyashevska O. Predictive analytics with gradient boosting in clinical medicine. Annals of Translational Medicine. 2019. Vol. 7, no. 7, [ ] : https://atm.amegroups.org/article/view/24543/23475 | |
| dc.relation.references | Wang J., Chong W. K., Lin J., Hedenstierna C. P. T. Retail Demand Forecasting Using Spatial-Temporal Gradient Boosting Methods. Journal of Computer Information Systems. 2023. Vol. 64, no. 5, pp. 652664. [ ] : https://doi.org/10.1080/08874417.2023.2240753 | |
| dc.relation.references | Malik S., Khan M., Abid M. K., Aslam N. Sales Forecasting Using Machine Learning Algorithm in the Retail Sector. Journal of Computing & Biomedical Informatics. 2024. Vol. 6, no. 2, pp. 282294. [ ] : https://www.jcbi.org/index.php/Main/article/view/370 | |
| dc.relation.references | Neba C., Gerard S. F. B., Nsuh G., Amouda P., Neba A., et al. Advancing Retail Predictions: Integrating Diverse Machine Learning Models for Accurate Walmart Sales Forecasting. Asian Journal of Probability and Statistics. 2024. Vol. 26, no. 7, pp. 123. [ ] : https://doi.org/10.9734/ajpas/2024/v26i7626 | |
