Інформаційна технологія прогнозування та аналізу зарплат за допомогою машинного навчання

Abstract

Бакалаврська кваліфікаційна робота виконана студентом групи КН-413 Горішною Надією Мар’янівною. Тема «Інформаційна технологія прогнозування та аналізу зарплат за допомогою машинного навчання». Робота направлена на здобуття ступеня бакалавра за спеціальністю 122 «Комп’ютерні науки». Метою дипломної роботи є побудова нейронної мережі для аналізу та прогнозування заробітної плати людей за такими параметрами як рейтинг компанії, вік компанії, розмір компанії, наявність конкурентів на ринку, локація та напрямок роботи та подальше застосування на ринку заробітних плат. Об’єктом дослідження є нейронна мережа для аналізу та передбачення ринку заробітних плат. Предметом дослідження є методи та підходи розробки моделі машинного навчання для прогнозування зарплати на основі різноманітних факторів, таких як рейтинг компанії, вік компанії, розмір компанії, наявність конкурентів на ринку, локація та напрямок роботи. Дослідження включає аналіз різних джерел даних, які містять інформацію про зарплати, а також оцінку алгоритмів машинного навчання на їх ефективність у прогнозуванні заробітної плати. У результаті виконання дипломної роботи було розроблено нейронну мережу, яка допоможе роботодавцям та працівникам визначити очікувану заробітну плату на основі навченої моделі з метою покращення якості ринку заробітних плат та впровадження таких систем у відповідні сфери в Україні. The bachelor's qualification work was executed by a student of group CS-413 Nadiia Horishna. The topic is "Information technology for predictions of job salaries using machine learning". The purpose of the work is to build a neural network for analysing and predicting people's salaries based on such parameters as company rating, company age, company size, competitors in the market, location and line of work, and further application in the salary market. The subject of the study is methods and approaches for developing a machine learning model for salary forecasting based on various factors. The study includes an analysis of different data sources containing salary information, as well as an evaluation of machine learning algorithms for their effectiveness in salary forecasting.