Разработка клиент-серверного приложения для анализа и прогнозирования данных: дипломная работа / Ульяна Григорьевна Филькова; БГУ, Факультет прикладной математики и информатики, Кафедра компьютерных технологий и систем; науч. рук. Чеб Е. С., Каркоцкий А. Г.

Abstract

РЕФЕРАТ Дипломная работа – 61 с., 9 рис., 14 формул, 3 таблицы, 18 источников, 3 приложения. Ключевые слова: ПРОГНОЗИРОВАНИЕ; PYTHON; VUE; МАШИННОЕ ОБУЧЕНИЕ; ВРЕМЕННЫЕ РЯДЫ; ЛИНЕЙНАЯ РЕГРЕССИЯ; ARIMA; СЛУЧАЙНЫЙ ЛЕС; K БЛИЖАЙШИХ СОСЕДЕЙ; ВИЗУАЛИЗАЦИЯ. Объект исследования – методы прогнозирования числовых показателей по временным и категориальным данным, а также реализация этих методов в программном обеспечении с помощью языка программирования Python. Цель работы – разработка приложения, реализующего различные подходы к прогнозированию значений на основе анализа входных данных с использованием методов машинного обучения и статистики. Инструменты разработки – для реализации фронтенд-части использовался фреймворк Vue.js с библиотеками Pinia (для управления состоянием), Vue Router (для маршрутизации), Vuelidate (для валидации форм), Chart.js и vue-chartjs (для построения графиков), ExcelJS и xlsx (для работы с Excel-файлами), jsPDF и jsPDF-autotable (для генерации PDF- отчетов), а также MathJax (для отображения формул). Для разработки и сборки проекта применялись инструменты Vite, Prettier и ESLint. Бэкенд-часть была реализована на языке Python с использованием библиотек Pandas (для обработки табличных данных), Scikit-learn (для построения и обучения моделей), Statsmodels (для временных рядов), Matplotlib и Seaborn (для построения визуализаций), а также Flask (для создания серверной части приложения и API). Результаты – приложение, которое позволяет загружать пользовательские данные, выбирать метод прогнозирования, настраивать параметры моделей, визуализировать полученные прогнозы в виде графиков и таблиц и сохранять полученные данные, а также ознакомиться с теорией прогнозирования и изучить конкретные примеры прогнозирования данных с помощью различных методов. Область применения – учебные учреждения, образовательные платформы, исследовательские проекты и др.