<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Розвідувальний аналіз даних для інформаційної технології аналізу та передбачення ціни телефонів методами машинного навчання

Вантажиться...
Ескіз

Дата

Науковий керівник

Редактор

Інші учасники

Відповідальний

ORCID

Назва журналу

Номер ISSN

Назва тому

DOI

Альтернативна назва

Анотація

Робота присвячена підготовці та розвідувальному аналізу даних для подальшого використання для інформаційної технології передбачення ціни телефонів методами машинного навчання. Було здійснено детальний аналіз датасету та його ознак з метою виявлення ключових факторів, що впливають на формування вартості мобільних пристроїв.
The work is dedicated to the preparation and exploratory data analysis for further use in an information technology system for predicting phone prices using machine learning methods. A detailed analysis of the dataset and its features was conducted to identify key factors that influence the pricing of mobile devices.

Опис

УДК

Тип документа

Мова

ISSN

Серія, номер

ISBN

ББК

Інші ідентифікатори

Пов’язані матеріали

Спонсорська підтримка

Правовласник

Бібліографічний опис

Нереуцький О. В., Козачко О. М. Розвідувальний аналіз даних для інформаційної технології аналізу та передбачення ціни телефонів методами машинного навчання // Матеріали Міжнародної науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2026)», м. Вінниця, 22-26 червня 2026 р. Електрон. текст. дані. 2026. URI: https://conferences.vntu.edu.ua/index.php/mn/mn2026/paper/view/26567.

Схвалення

Рецензія

Доповнено

Цитується в

Список використаної літератури (4)

  1. Mobile Prise Classification Dataset. Kaggle. 2023 [Електронний ресурс]. – Режим https://www.kaggle.com/datasets/iabhishekofficial/mobile-price-classification
  2. Pandas Getting started. 2024 [Електронний ресурс] – Режим https://pandas.pydata.org/docs/getting_started/index.html
  3. Matplotlib Pyplot Documentation. 2024 [Електронний ресурс]. – Режим https://matplotlib.org/3.5.3/api/_as_gen/matplotlib.pyplot.html
  4. Seaborn Tutorial. 2023 [Електронний ресурс]. – Режим доступу: https://seaborn.pydata.org/tutorial.html доступу: доступу: доступу: