Інтелектуальна система підтримки прийняття рішень за результатами A/B-тестування на основі гібридних статистичних методів та великих мовних моделей
Тип публікації :
Магістерська робота
Дата випуску :
2026
Автор(и) :
Московських, Андрій Анатолійович
Науковий(і) керівник(и)/редактор(и) :
Мова основного тексту :
Ukrainian
eKNUTSHIR URL :
Цитування :
[APA 7] Московських, А. А. (2026). Інтелектуальна система підтримки прийняття рішень за результатами A/B-тестування на основі гібридних статистичних методів та великих мовних моделей [Магістерська робота, Київський національний університет імені Тараса Шевченка]. eKNUTSHIR. https://ir.library.knu.ua/handle/15071834/23581
[ДСТУ] Московських А. А. Інтелектуальна система підтримки прийняття рішень за результатами A/B-тестування на основі гібридних статистичних методів та великих мовних моделей : кваліфікаційна робота магістра : 122 Комп’ютерні науки / наук. кер. І. В. Мірошниченко. Київ, 2026. 125 с. URL: https://ir.library.knu.ua/handle/15071834/23581 (дата звернення: 25.07.2026).
Мета роботи полягає у підвищенні статистичної надійності й операційної ефективності процесу прийняття рішень за результатами контрольованих онлайн-експериментів у продуктовій компанії шляхом створення інтегрованої системи. Така система паралельно запускає чотири статистичні методи на спільних даних, формує захищений від підглядання довірчий інтервал як основне правило прийняття рішення і використовує велику мовну модель зі структурованим виходом для генерації висновку в природній формі.
Об’єкт дослідження: процеси прийняття управлінських рішень за результатами контрольованих онлайн-експериментів.
Предмет дослідження: гібридні математичні моделі та інформаційна технологія підтримки прийняття рішень за даними A/B-тестів, що поєднують класичні й байєсівські статистичні підходи з системою генерації аналітичних висновків на основі великих мовних моделей.
Наукова новизна: вперше запропоновано шестишлюзову архітектуру прийняття рішень, де послідовний довірчий інтервал GST repeated CI є єдиним зобов’язувальним критерієм, чотири методи (класичний, байєсівський, послідовний, бутстреп) запускаються паралельно для крос-валідації, а структурований вихід великої мовної моделі інтегрує результати у дискретне рішення лише після проходження усіх шести шлюзів перевірки.
Практичне значення підтверджене впровадженням у продуктову команду MusesAcademy. Cередній час аналітика на один тест скоротився з двох-шести годин до приблизно тридцяти хвилин, обсяг сканування BigQuery на типовий аналіз - приблизно у дві тисячі разів. Очікуване зниження частоти хибно-позитивних рішень про впровадження - близько 5-7 відсоткових пунктів від попереднього рівня.
Структура. Робота складається з анотації, вступу, чотирьох розділів, висновків, переліку використаних джерел і додатків. Загальний обсяг основного тексту - близько ста двадцяти сторінок.
Ключові слова: A/B-тестування, контрольований онлайн-експеримент, байєсівські методи, послідовний аналіз, захист від підглядання, довірчий інтервал, груповий послідовний тест, бутстреп, BCa, велика мовна модель, структурований вихід, прийняття рішень, гібридна модель.
Об’єкт дослідження: процеси прийняття управлінських рішень за результатами контрольованих онлайн-експериментів.
Предмет дослідження: гібридні математичні моделі та інформаційна технологія підтримки прийняття рішень за даними A/B-тестів, що поєднують класичні й байєсівські статистичні підходи з системою генерації аналітичних висновків на основі великих мовних моделей.
Наукова новизна: вперше запропоновано шестишлюзову архітектуру прийняття рішень, де послідовний довірчий інтервал GST repeated CI є єдиним зобов’язувальним критерієм, чотири методи (класичний, байєсівський, послідовний, бутстреп) запускаються паралельно для крос-валідації, а структурований вихід великої мовної моделі інтегрує результати у дискретне рішення лише після проходження усіх шести шлюзів перевірки.
Практичне значення підтверджене впровадженням у продуктову команду MusesAcademy. Cередній час аналітика на один тест скоротився з двох-шести годин до приблизно тридцяти хвилин, обсяг сканування BigQuery на типовий аналіз - приблизно у дві тисячі разів. Очікуване зниження частоти хибно-позитивних рішень про впровадження - близько 5-7 відсоткових пунктів від попереднього рівня.
Структура. Робота складається з анотації, вступу, чотирьох розділів, висновків, переліку використаних джерел і додатків. Загальний обсяг основного тексту - близько ста двадцяти сторінок.
Ключові слова: A/B-тестування, контрольований онлайн-експеримент, байєсівські методи, послідовний аналіз, захист від підглядання, довірчий інтервал, груповий послідовний тест, бутстреп, BCa, велика мовна модель, структурований вихід, прийняття рішень, гібридна модель.
Галузі знань та спеціальності :
12 Інформаційні технології::122 Комп’ютерні науки
Галузі науки і техніки (FOS) :
Комп'ютерні та інформаційні науки
Файл(и) :![Ескіз]()
Вантажиться...
Формат :
Adobe PDF
Розмір :
3.49 MB
Контрольна сума :
(MD5):f196dfa24fd1a981044be5b6d60ce90f
Якщо не вказано інше, ця робота розповсюджується на умовах ліцензії Creative Commons Attribution-NonCommercial 4.0 International