Створення універсальної веб-платформи для прикладного статистичного аналізу даних

Abstract

UA : Мета і завдання роботи полягають у розробці універсальної веб-платформи для прикладного статистичного аналізу даних. Для цього необхідно було вивчити сучасні методи і засоби аналізу даних, розробити архітектуру платформи, що забезпечує ефективну обробку великих обсягів даних, інтегрувати алгоритми прогнозування на основі вхідних даних, а також створити зручний та інтуїтивний користувацький інтерфейс. Крім того, було необхідно протестувати платформу на реальних наборах даних для верифікації її функціональних можливостей та точності результатів. У ході роботи була створена універсальна веб-платформа, яка дозволяє користувачам здійснювати прикладний статистичний аналіз даних. Платформа надає інструменти для зчитування, обробки, аналізу, та візуалізації даних. Основними функціональними можливостями розробленого застосунку є використання алгоритмів прогнозування, таких як лінійна та поліноміальна регресії, відображення результатів регресії у вигляді графіку та відображення завантажених датасетів у вигляді таблиці та графіків. Результати тестування показали високу точність і ефективність розробленої платформи.

EN : The purpose of the work is to develop a universal web platform for applied statistical data analysis. To achieve this, it was necessary to study modern methods and tools for data analysis, design a platform architecture that ensures efficient processing of large data volumes, integrate forecasting algorithms based on input data, and create a user-friendly and intuitive interface. Additionally, it was essential to test the platform on real datasets to verify its functional capabilities and accuracy of results. During the work, a universal web platform was created that allows users to perform applied statistical data analysis. The platform provides tools for reading, processing, analyzing, and visualizing data. The main functional features of the developed application include the use of forecasting algorithms such as linear and polynomial regression, displaying regression results in the form of charts, and displaying uploaded datasets in tables and charts. The test results demonstrated the high accuracy and efficiency of the developed platform.