Ільюша Андрій2026-02-112026-02-112025Ільюша А. Гібридна рекомендаційна система колаборативної фільтрації та аналізу поведінкових даних у реальному часі . - Кваліфікаційна робота на здобуття освітнього ступеня магістр. – Київ, КАІ, 2025. - 104 с.Факультет комп'ютерних наук та технологій. Кафедра інженерії програмного забезпеченняhttps://er.kai.edu.ua/handle/KAI/68789Робота публікується згідно наказу ректора Університету від 27.05.2021 р. №311/од «Про розміщення кваліфікаційних робіт здобувачів вищої освіти в репозиторії університету». Науковий керівник: Талалаєв Володимир ОпанасовичОб’єкт дослідження – процес формування персоналізованих рекомендацій у інформаційних системах на основі взаємодій користувачів. Мета кваліфікаційної роботи – розробити та дослідити гібридну рекомендаційну систему, що поєднує колаборативну фільтрацію з аналізом поведінкових даних у реальному часі. Методи дослідження – аналіз наукових джерел, математичне моделювання, алгоритмічний та експериментальний аналіз, машинне навчання, програмна реалізація й тестування прототипу. Результати роботи можуть бути використані для підвищення точності та адаптивності рекомендацій в системах електронної комерції, медіасервісах та інших платформах персоналізації; для розробки практичних модулів рекомендацій; а також як основа для подальших досліджень у сфері гібридних рекомендаційних алгоритмів та аналізу поведінкових даних. Розробка та дослідження проводилися під управлінням ОС Windows 11. Розробка програми проводилася у середовищі Microsoft Visual Studio Code 1.105, на мові програмування Python.The object of research is the process of forming personalized recommendations in information systems based on user interactions. The purpose of the thesis is to develop and investigate a hybrid recommendation system that combines collaborative filtering with real-time behavioral data analysis. Research methods: analysis of scientific sources, mathematical modeling, algorithmic and experimental analysis, machine learning, software implementation, and prototype testing. The results of the work can be used to improve the accuracy and adaptability of recommendations in e-commerce systems, media services, and other personalization platforms; to develop practical recommendation modules; and as a basis for further research in the field of hybrid recommendation algorithms and behavioral data analysis. Development and research were conducted under Windows 11. The program was developed in Microsoft Visual Studio Code 1.105, using the Python programming language.рекомендаційні системигібридні моделіколаборативна фільтраціяповедінкові даніаналіз у реальному часімашинне навчанняперсоналізація контентуe-commerceінформаційні технологіїrecommendation systemshybrid modelscollaborative filteringbehavioral datareal-time analysismachine learningcontent personalizatione-commerceinformation technologiesкваліфікаційна робота