Майданик, Андрій ОлександровичАндрій ОлександровичМайданикЗаріцький, Олег Володимирович2026-05-112026-05-112025Майданик А. О. Розробка моделей та інформаційної технології прогнозування трендів для платформи YouTube за допомогою методів науки про дані : кваліфікаційна робота магістра : 122 Комп’ютерні науки / наук. кер. О. В. Заріцький. Київ, 2025. 96 с.https://ir.library.knu.ua/handle/15071834/20205Мета дипломної роботи – Покращити прогнозування попадання відео до списку «Trending» на YouTube в перші дні після публікації, застосувавши комбіновані часові, текстові та поведінкові ознаки і сучасні алгоритми машинного навчання Об’єкт дослідження – процеси формування трендовості відеоконтенту на платформі YouTube. Предмет дослідження – методи фічер‑інжинірингу, алгоритми машинного навчання та інженерні підходи до розгортання моделей, що забезпечують прогноз трендовості відео. Наукова новизна роботи полягає в розробці комплексного Data Science‑пайплайна, який: • використовує комбіновані часові, текстові та поведінкові ознаки, сформовані з метаданих YouTube; • застосовує балансування класів SMOTE у зв’язці з градієнтним бустингом та аналізом важливості ознак (SHAP); • інтегрується у продукційний веб‑сервіс Flask з автоматичним обчисленням фіч та REST‑endpoint /predict. Практична цінність полягає у створенні модульного інструменту, який може використовуватися авторами контенту, маркетологами та аналітиками для оперативного передбачення перспективності відео, оптимізації контент‑стратегій і рекламних бюджетів. У роботі виконано: аналіз літератури й існуючих систем прогнозування трендів; побудову та оцінку моделей (Random Forest, XGBoost, LightGBM); розробку Flask‑сервісу та тестування його продуктивності; економічне обґрунтування розгортання у хмарній інфраструктурі. Дипломна робота складається зі вступу, чотирьох розділів, висновків та списку використаних джерел. Загальний обсяг – 92 сторінки, перелік джерел – 36 найменувань на 4 сторінках, додатки – 3. Ключові слова: прогнозування трендів, YouTube, Data Science, машинне навчання, Flask, SMOTE, XGBoost,XGB, LGBM, SMOTE, CI/CDukпрогнозування трендівYouTubeData Scienceмашинне навчанняFlaskSMOTEXGBoostXGBLGBMCI/CDМагістерська робота