dc.contributor.author | Рудзевич, О. В. | uk |
dc.contributor.author | Жуков, С. О. | uk |
dc.date.accessioned | 2025-09-12T10:05:35Z | |
dc.date.available | 2025-09-12T10:05:35Z | |
dc.date.issued | 2025 | |
dc.identifier.citation | | uk |
dc.identifier.uri | https://ir.lib.vntu.edu.ua//handle/123456789/49225 | |
dc.description.abstract | Дана робота присвячена підготовці та розвідувальному аналізу даних для подальшого використання у інформаційної технології передбачення вартості мобільних телефонів методами машинного навчання. | uk |
dc.description.abstract | This work is dedicated to the preparation and exploratory data analysis for further use in information technology for predicting the cost of mobile phones using machine learning methods. | en |
dc.language.iso | uk_UA | uk_UA |
dc.publisher | ВНТУ | uk |
dc.relation.ispartof | // Матеріали LIV науково-технічної конференції підрозділів ВНТУ, Вінниця, 24-27 березня 2025 р. | uk |
dc.relation.uri | https://conferences.vntu.edu.ua/index.php/all-fksa/all-fksa-2025/paper/view/23729 | |
dc.subject | мобільний телефон | uk |
dc.subject | інформаційні технології | uk |
dc.subject | машинне навчання | uk |
dc.subject | аналіз даних | uk |
dc.subject | передбачення | uk |
dc.subject | ознаки | uk |
dc.subject | передбачення вартості мобільних телефонів | uk |
dc.subject | mobile phone | uk |
dc.subject | information technology | uk |
dc.subject | machine learning | uk |
dc.subject | data analysis | uk |
dc.subject | predictions | uk |
dc.subject | signs | uk |
dc.subject | mobilephone cost prediction | uk |
dc.title | Розвідувальний аналіз даних для інформаційної технології передбачення вартості мобільних телефонів | uk |
dc.type | Thesis | |
dc.identifier.udc | 004.6 | |
dc.relation.references | Mobiles Dataset (2025). Mobile specs: Company, Model, RAM, Cameras, Battery, Prices (PK, IN, CN, US, UAE). URL: https://www.kaggle.com/datasets/abdulmalik1518/mobiles-dataset-2025 | |
dc.relation.references | . Numerical Python: Scientific Computing and Data Science Applications with Numpy, SciPy and Matplotlib. New York: Apress, 2019. 709 . ISBN 978-1-4842-4245-2. | |
dc.relation.references | Seaborn Tutorial. URL: https://seaborn.pydata.org/tutorial.html | |