Іщук, Ярослава ВолодимирівнаВасиленко, Денис ПавловичVasylenko, Denys2025-02-062025-02-062024-12-19Василенко Д. П. Прогнозування схильності до інтернет залежності методами Data Science : магістер. диплом. робота : 051, Економіка / Василенко Денис Павлович ; наук. керівник Іщук Я. В. ; КНЕУ ім. Вадима Гетьмана, Навч.-наук. ін-т «Ін-т інформ. технологій в економіці», Каф. математ. моделювання та статистики. – Київ, 2024. – 95 с.https://ir.kneu.edu.ua/handle/2010/48564У дослідженні розглянуто інтернет-залежність як сучасний поведінковий розлад, що впливає на психічне здоров’я та соціальну адаптацію, особливо серед дітей і підлітків. Метою роботи є розробка прогнозної моделі для виявлення схильності до інтернет-залежності за допомогою методів машинного навчання, таких як LightGBM, XGBoost і CatBoost. Застосовано сучасні методи обробки даних, включаючи автоенкодери та агрегацію часових рядів. Робота має теоретичне і практичне значення, спрямоване на профілактику та раннє виявлення залежності для покращення якості життя. The study examines internet addiction as a contemporary behavioral disorder affecting mental health and social adaptation, particularly among children and adolescents. The aim is to develop a predictive model to identify susceptibility to internet addiction using machine learning methods such as LightGBM, XGBoost, and CatBoost. Advanced data processing techniques, including autoencoders and time series aggregation, were utilized. The work holds theoretical and practical significance, focusing on prevention and early detection of addiction to improve quality of life.ukінтернет-залежністьпрогнозуваннямашинне навчанняData Scienceградієнтний бустингLightGBMXGBoostCatBoost автоенкодерчасові рядиfeature engineeringсоціальні факториповедінкові розладикогнітивно-поведінкова терапіяinternet addictionforecastingmachine learninggradient boostingCatBoost autoencodertime seriessocial factorsbehavioral disorderscognitive-behavioral therapyOther