Abstract (ukr):
Важливою і активно досліджуваною темою в сучасних дослідженнях рекламних мереж є прогнозування та аналіз даних, що містить побудову моделей отримання даних і вибір методів їх аналізу. Центральним аспектом дослідження є використання методів Data Mining для обробки великих масивів рекламних даних. Запропоновано математичну модель та методи, що дозволяють прогнозувати навантаження на рекламні сервери і кластеризувати стан їх роботи, визначаючи потенційні збої та проблеми на ранніх стадіях. Ці моделі та методи обробки даних впроваджуються у системи керування, дозволяючи оптимізувати роботу рекламних мереж, знижуючи фінансові витрати та підвищуючи ефективність управління рекламними ресурсами. Окрім цього, розроблено алгоритми для автоматичного масштабування ресурсів, що базуються на прогнозованих даних, забезпечуючи стабільність та надійність системи. Запропоновані технології та методи можуть бути використані у кадровому менеджменті та підготовці висококваліфікованих IT-спеціалістів, забезпечуючи їхнє відповідне навчання та розвиток відповідно до вимог сучасних рекламних мереж.
 
Abstract (eng):
The important and actively researched topic in modern studies of advertising networks is the forecasting and analysis of data, which includes the construction of data retrieval models and the selection of methods for their analysis. The research's central aspect is the use of Data Mining methods for processing large arrays of advertising data. A mathematical model and methods have been proposed that allow for predicting the load on advertising servers and clustering the state of their operation, identifying potential failures and problems at early stages. These models and data processing methods are implemented in management systems, allowing for the optimization of advertising network operations, reducing financial costs, and enhancing the efficiency of advertising resource management. In addition, algorithms for automatic scaling of resources based on predicted data have been developed, ensuring system stability and reliability. The proposed technologies and methods can be used in human resource management and the training of highly qualified IT specialists, providing their appropriate training and development in accordance with the requirements of modern advertising networks.