Розробка та реалізація iOS-додатку для персоналізованого пошуку фільмів із використанням вподобань користувача

Abstract

UA : У даній роботі представлено розробку та реалізацію iOS-додатку для персоналізованого пошуку фільмів із використанням вподобань користувача. Застосунок використовує OpenAI та TMDB API для забезпечення інтелектуа-льного пошуку та надання користувачам релевантних рекомендацій. Основна мета роботи – створення інструменту, який дозволяє користу-вачам знаходити фільми, що максимально відповідають їхнім особистим впо-добанням, тим самим зменшуючи час, витрачений на пошук. Інтеграція шту-чного інтелекту (ШІ) у процес персоналізації дозволяє додатку аналізувати історію переглядів, оцінки та вподобання користувачів для надання більш точних рекомендацій. Розробка додатку передбачає кілька ключових етапів: аналіз предмет-ної області, огляд існуючих методів рішення, розробка архітектури системи та програмна реалізація. Особлива увага приділялася використанню сучас-них технологій, таких як обробка природної мови та машинне навчання, для забезпечення високої якості рекомендацій та зручності використання додатку.

EN : This work presents the development and implementation of an iOS application for personalized movie search using user preferences. The application utilizes OpenAI and TMDB APIs to provide intelligent search and deliver relevant recommendations to users. The main goal of the work is to create a tool that allows users to find movies that best match their personal preferences, thereby reducing the time spent searching. The integration of artificial intelligence (AI) into the personalization process enables the application to analyze users’ viewing history, ratings, and preferences to provide more accurate recommendations. The development of the application involves several key stages: analysis of the subject area, review of existing solutions, system architecture design, and software implementation. Special attention was paid to the use of modern technologies such as natural language processing and machine learning to ensure high-quality recommendations and ease of use.