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

Система підбору музичних композицій в залежності від вподобань користувача

Вантажиться...
Ескіз

Дата

Науковий керівник

Редактор

Інші учасники

Відповідальний

ORCID

Назва журналу

Номер ISSN

Назва тому

DOI

Альтернативна назва

Анотація

В роботі було розроблено систему підбору музичних композицій в залежності від вподобань користувача. Основне призначення даної системи – навчання моделі машинного навчання за зібраною статистикою та підбір музикальних композицій для користувачів за допомогою навченої моделі.
The system of selection of musical compositions depending on user preferences was developed in the work. The main purpose of this system is to teach machine learning model based on the collected statistics and to select musical compositions for users using a trained model

Опис

УДК

Тип документа

Мова

ISSN

Серія, номер

ISBN

ББК

Інші ідентифікатори

Пов’язані матеріали

Спонсорська підтримка

Правовласник

Бібліографічний опис

Конопльов Е. Ю. Система підбору музичних композицій в залежності від вподобань користувача [Електронний ресурс] / Е. Ю. Конопльов; наук. кер. О. Р. Бойко // Матеріали L науково-технічної конференції підрозділів ВНТУ, Вінниця, 10-12 березня 2021 р. – Електрон. текст. дані. – 2021. – Режим доступу: https://conferences.vntu.edu.ua/index.php/all-fksa/all-fksa-2021/paper/view/12691.

Схвалення

Рецензія

Доповнено

Цитується в

Список використаної літератури (9)

  1. Welcome to Python. [Електронний ресурс]: [Веб-сайт] – Електронні дані. – Режим доступу: https://www.python.org/ (дата звернення 02.03.2021) – Назва з екрана
  2. Введение в машинное обучение в Python: Полное руководство с примерами. [Електронний ресурс]: [Веб-сайт] – Електронні дані. – Режим доступу: https://codecamp.ru/blog/machine-learning-python-tutorial/ (дата звернення 03.03.2021) – Назва з екрана
  3. PyTorch. [Електронний ресурс]: [Веб-сайт] – Електронні дані. – Режим доступу: https://pytorch.org/ (дата звернення 03.03.2021) – Назва з екрана
  4. Классификация при помощи логистической регрессии в PyTorch. [Електронний ресурс] : [Веб-сайт] – Електронні дані. – Режим доступу: https://nagornyy.me/courses/recommendation-systems/logistic-regression-pytorch/ (дата звернення 04.03.2021) – Назва з екрана
  5. 10 minutes to pandas. [Електронний ресурс]: [Веб-сайт] – Електронні дані. – Режим доступу: https://pandas.pydata.org/pandas-docs/stable/user_guide/10min.html (дата звернення 05.03.2021) – Назва з екрана
  6. NumPy в Python. [Електронний ресурс] : [Веб-сайт] – Електронні дані. – Режим доступу: https://habr.com/ru/post/352678/ (дата звернення 05.03.2021) – Назва з екрана
  7. Python and MongoDB. [Електронний ресурс]: [Веб-сайт] – Електронні дані. - Режим доступу: https://www.mongodb.com/python (дата звернення 06.03.2021) – Назва з екрана
  8. Сохранение/импорт моделей машинного обучения в базах данных. [Електронний ресурс] : [Веб-сайт] – Електронні дані. – Режим доступу: http://dkhramov.dp.ua/Comp.CaretModelsAndDB#.YEeuhGgzZPY/ (дата звернення 06.03.2021) – Назва з екрана
  9. REST API Best Practices. [Електронний ресурс]: [Веб-сайт] – Електронні дані. – Режим доступу: https://habr.com/ru/post/351890/ (дата звернення 06.03.2021) – Назва з екрана