Розробка мобільного застосунку прогнозу погоди з використанням методів машинного навчання

Abstract

UA : Робота викладена на 79 сторінках друкованого тексту, містить 20 рисунків, 2 таблиці, 29 джерел, 2 додатки. Об’єкт дослідження – архітектурні методи, програмні рішення та технології для розробки мобільного застосунку на платформі Android. Мета цієї роботи полягає в створенні функціонального прототипу мобільного додатку для прогнозу погоди на платформі Android, що забезпечує користувачів актуальною метеорологічною інформацією та уточненими даними температури «відчувається як» за допомогою локальної моделі машинного навчання. Методи дослідження – аналіз науково-технічної літератури, об’єктноорієнтоване проєктування, техніки тестування програмного забезпечення, емпіричні методи. У роботі показано процес створення мобільного застосунку, включаючи аналіз вимог, проєктування архітектури MVVM та вибір технологій. У роботі застосовано методи отримання та обробки метеорологічних даних з API, локального зберігання даних за допомогою Room та підготовки ознак для моделі машинного навчання. У роботі розроблено інтерфейс у стилі піксель-арт, що відображає поточну погоду, погодинний та денний прогнози. Реалізовано функціонал геолокації, пошуку та збереження обраних міст з навігацією між ними за допомогою пейджера, а також інтегровано ML-модель для уточнення «відчувається як» температури. Передбачено налаштування одиниць виміру та теми, проведено ручне тестування.EN : The work is presented on 79 pages of printed text, 20 figures, 2 tables, 29 references, 2 supplements. The object of the study is architectural methods, software solutions, and technologies for the development of a mobile application on the Android platform. The aim of this work is to create a functional prototype of a mobile weather forecast application for the Android platform, which provides users with up-to-date meteorological information and refined “feels like” temperature data using a local machine learning model. Research methods include analysis of scientific and technical literature, object-oriented design, software testing techniques, and empirical methods. The work demonstrates the process of creating a mobile application, including requirements analysis, MVVM architecture design, and technology selection. The work applies methods for obtaining and processing meteorological data from APIs, local data storage using Room, and feature preparation for a machine learning model. A pixel art style user interface was developed, displaying current weather, hourly, and daily forecasts. Functionality for geolocation, location search, and saving selected cities with navigation between them using a pager was implemented, along with the integration of an ML model to refine the “feels like” temperature. Settings for measurement units and themes are provided, and manual testing has been conducted.