Аналітичний потенціал технології Big Data в економічній діяльності
| dc.contributor.advisor | Кудінова, Алевтина Віталіївна | |
| dc.contributor.author | Литвинець, Ростислав Романович | |
| dc.contributor.author | Lytvynets, Rostytslav | |
| dc.date.accessioned | 2024-02-01T13:30:18Z | |
| dc.date.available | 2024-02-01T13:30:18Z | |
| dc.date.issued | 2023-06-12 | |
| dc.description.abstract | Кваліфікаційна бакалаврська робота на тему "Аналітичний потенціал технології Big Data в економічній діяльності" досліджує використання технологій обробки великих даних (Big Data) в економіці. Робота охоплює аналіз екосистем Hadoop і Spark, розглядає процес розробки та розгортання кластерів великих даних, досліджує методи попередньої обробки даних та алгоритми інтелектуального аналізу даних і машинного навчання. Автор також вивчає моделі логістичної регресії та дерева рішень, обговорює важливість візуалізації та звітності для передачі результатів аналітики великих даних, та оглядає застосування великих даних у різних секторах (економіка, фінанси, медицина). Робота має практичне значення, оскільки на базі розрахунків коефіцієнтів для логістичної регресії та дерева рішень було побудовано моделі для класифікації шахрайських транзакцій у наборі даних Bank Fraud Detection. The bachelor qualification work titled "Analytical Potential of Big Data Technology in Economic Activity" explores the use of Big Data processing technologies in economics. The work covers the analysis of Hadoop and Spark ecosystems, examines the process of developing and deploying big data clusters, explores data preprocessing methods, and algorithms for intelligent data analysis and machine learning. The author also studies logistic regression models and decision trees, discusses the importance of visualization and reporting for conveying the results of big data analytics, and reviews the application of big data in various sectors (economics, finance, medicine). The work has practical significance, as based on the calculations of coefficients for logistic regression and decision trees, models were constructed for classifying fraudulent transactions in the Bank Fraud Detection dataset. | |
| dc.identifier.citation | Литвинець Р. Р. Аналітичний потенціал технології Big Data в економічній діяльності : бакалавр. диплом. робота : 051, Економіка / Литвинець Ростислав Романович ; наук. керівник Кудінова А. В. ; КНЕУ ім. Вадима Гетьмана, Ф-т економiки та управлiння, Каф. економічної теорії. – Київ, 2023. – 108 с. | |
| dc.identifier.uri | https://ir.kneu.edu.ua/handle/2010/42336 | |
| dc.language.iso | uk | |
| dc.publisher | Київський національний економічний університет імені Вадима Гетьмана | |
| dc.subject | Big Data | |
| dc.subject | Hadoop | |
| dc.subject | Spark | |
| dc.subject | логістична регресія | |
| dc.subject | дерева рішень | |
| dc.subject | аналіз даних | |
| dc.subject | банківські рахунки | |
| dc.subject | банківське шахрайство | |
| dc.subject | logistic regression | |
| dc.subject | decision trees | |
| dc.subject | data analysis | |
| dc.subject | bank accounts | |
| dc.subject | bank fraud | |
| dc.title | Аналітичний потенціал технології Big Data в економічній діяльності | |
| dc.title.alternative | Analytical potential of Big Data technology in economic activity | |
| dc.type | Other |