Motec - פיתוח מנוע המלצה למוזיקה תוך שימוש באלגוריתם

Machine Learning

שי מיטל, בהנחיית ד"ר נטע רבין

Motec – מערכת המלצה בתחום המוזיקה, מאפשרת למשתמש להאזין לשירים ולאפיין אותם. מותק מחלקת את כלל המשתמשים לקבוצות לפי טעמם המוזיקלי וממליצה לכל משתמש על שירים על סמך הקבוצה המוזיקלית שלו ומאפיינת אותם עבורו. בנוסף, קיימת יכולת לקבל המלצה מותאמת חיפוש ולהכיר אנשים בעלי טעם מוזיקלי דומה.





​​כריית מידע במערכת תמיכה טכנית לזיהוי דפוסי התנהגות לקוחות

ותכנון המוצר

דפנה סיון, בהנחיית ד"ר נטע רבין

מטרת הפרויקט היא סיווג ראשוני לפניות חדשות המגיעות מלקוחות, אשר ייעשה באופן אוטומטי וייתן לנציג התמיכה הטכנית תובנה ראשונית לגבי מורכבות הפניה ויוביל לשטף עבודה יעיל בצוות התמיכה הטכנית ועליית שביעות רצון הלקוחות. בפרויקט פותח אלגוריתם העושה שימוש במודלים מתמטיים לכריית מידע במטרה לעבד נתונים מתוך הפניות.





שיטות כריית מידע לחיזוי צריכת חשמל

אילנה גיטלינס, בהנחיית ד"ר איבגניה אפארצין

הפרויקט עוסק בחיזוי צריכת חשמל לטווח קצר (שבוע) בהתבסס על נתונים היסטוריים. הנתונים (צריכת חשמל קודמת, טמפרטורה ונתוני אמת להשוואה) סופקו ע"י חברה המעוניינת בחיזוי. בנוסף, צורפו פרמטרים כגון שעה, יום בשבוע, שעות עבודה ומנוחה וכו'. נבדקו מספר שיטות לחיזוי וניתנה המלצה על שיטה אחת בהתחשב בשגיאת החיזוי הנמוכה ביותר.

​

​

​

שימוש בשיטות כריית מידע לדירוג אשראי

מאיר כהן, בהנחיית ד"ר איבגניה אפארצין

הפרויקט עוסק בבניית מודל לדירוג אשראי. המודל נבנה על סמך נתונים היסטוריים אמיתיים שסופקו ע"י אחד

הבנקים בארה"ב. הנתונים הכילו כמות רבה של חסרים. נבדקו ומומשו שיטות שונות לטיפול בהשלמת החסרים. נבחנו מספר שיטות לבניית המודל, השיטה שנבחרה למימוש המודל היא רגרסיה לוגיסטית שיטה המאפשרת לחזות את הסתברות לאיחור בהחזר הלוואה. החידוש בפרויקט הינו ביצוע השלמת חסרים בשיטה אשר תניב את דיוק המודל הגבוהה ביותר.

 

 

 

 

שימוש בשיטות כריית מידע להתאמה בין מחפשי עבודה ומודעות דרושים

ציון ימין, בהנחיית ד"ר איבגניה אפארצין

מטרת הפרויקט הינה בניית אלגוריתם להמלצה (עבודות) למשתמש. את הנתונים לפרויקט סיפק אתר CareerBuilder, אתר לעבודות מארצות הברית. בכדי להגיע למטרה נעשה שימוש בטכניקות שונות בכריית טקסטים (תת תחום של כריית מידע) בפלטפורמה של python. נעשה עיבוד ראשוני ע"י הורדות ממד באמצעות מחיקת "מילות זבל", שדות ומילים לא אינפורמטיביים ו-Stemming. ההמלצה נבנתה על סמך קליסתור המבוסס פונקציית דמיון של Jaccard.