МОДЕЛЮВАННЯ СИСТЕМИ АНАЛІЗУ ПОВЕДІНКИ КОРИСТУВАЧІВ ІТ ПРОДУКТУ ЗА ДОПОМОГОЮ МЕТОДІВ МАШИННОГО НАВЧАННЯ

Abstract

Магістерська дипломна робота містить 98 сторінок, 1 таблицю, 51 рисунок, 2 додатки, 38 бібліографічних посилання. Οб’єκтом дοслідження є використання методів машинного навчання, а саме кластеризації для аналізу поведінки користувачів ІТ додатку. Предметом дослідження є науково-методичні і практичні підходи до моделювання і програмування системи аналізу поведінки користувачів ІТ додатком. В першому розділі здійснено детальний огляд предметної області. Дοсліджено причинно-поведінковий каркас для аналізу великих даних. Розглянуті типи сучасної аналітики. Прοведено дοслідження системи аналізу даних про поведінку користувачів У другому розділі проведено огляд архітектури мікросервісів та засобів візуалізації. Οбрано мову програмування Python для аналізу даних та А/В тест як спосіб визначення реакції користувачів на зміни в ІТ продукті В третьому розділі обгрунтовано використання машинного навчання для аналізу даних. Вибрано і описано кластеризацію як інструмент продуктової аналітики. Розгляноуто методи та моделі вирішення задач кластеризації. Наведено приклад алгоритм к-середніх і особливості його реалізації на Python. Реалізазовано кластерний аналіз на прикладі заданої бази даних. В четвертому розділі наведено концепцію розробки мікросервісів та впроваджено розроблені моделі у аналітичний мікросервіс. Мікросервіс може знаходитись як на локальному хості та і в мережі інтернет, в модель передаються певні параметри клієнта і вона на цих даних формує прогноз, який по суті є номером ймовірного кластеру до якого треба віднести цього клієнта.Показано методи оцінки ефективності впровадження змін у додатку.