Кваліфікаційні роботи бакалаврів (Бак_ШІ)

Постійний URI для цієї колекції

https://openarchive.nure.ua/handle/document/25650

Перегляд

Зараз показано 1 - 20 з 93

Адаптивний підбір архітектури нейромережі для агентів у симульованих середовищах на основі NAS та RL
(2025) Балаба, С. О.
Мета роботи : розробка системи, яка автоматично формує оптимальну архітектуру нейромережі для RL-агента. Методи: формування початкового набору архітектур через NAS-агента, короткий цикл навчання PPO-агентів у середовищі Cheetah, відбір найкращих архітектур за середньою винагородою, тривале тренування обраних варіантів для остаточного ранжування. Результати: створено систему, що забезпечує автоматизований вибір конфігурації нейромережі для навчання агента, мінімізуючи участь людини в ручному налаштуванні. Рішення демонструє високу ефективність та може бути розширене на інші типи симульованих середовищ або задач у робототехніці, автономних системах і машинному сприйнятті.
Автоматизована система (конфігуратор) аналізу та підбору мережевого обладнання з прогнозуванням ефективності роботи
(2025) Абдукарімов, Р. А.
Мета роботи – розробити вебзастосунок, що надає автоматизований підбір мережевого обладнання відповідно до вимог користувача, обґрунтовує вибір та прогнозує ефективність роботи в заданих умовах. А також надає знання користувачу в телекомунікаційних технологіях. Методи дослідження – побудова архітектури клієнт-серверної системи з інтеграцією rule-based підходів та ML-алгоритмів. Моделювання роботи під навантаженням, реалізація REST API та дослідження інтерфейсу. Застосування мовної моделі, що покращує взаємодію з користувачем. У результаті дослідження було створено вебзастосунок, що дозволяє виконати ефективний підбір обладнання, спрогнозувати поведінку мережі при навантаженнях та підвищити обізнаність. Дослідження демонструє приклад практичного застосування мовних моделей та пояснювального ШІ у проєктуванні інтелектуальних систем.
Розробка системи індивідуалізації показу реклами в мобільних іграх за допомогою контекстуальних бандитів
(2025) Горбенко, Б. Г.
У роботі розглядаються сучасні підходи до монетизації мобільних free-to-play ігор із фокусом на адаптивній рекламі. Особлива увага приділяється застосуванню контекстуальних бандитів, які дозволяють у реальному часі персоналізувати вибір рекламних стратегій для кожного гравця на основі його поведінкових характеристик та контексту. Розроблена система адаптивного вибору реклами забезпечує баланс між максимізацією миттєвого доходу та підтримкою ключових метрик утримання користувачів. Проведені експерименти показали переваги контекстуальних бандитів над традиційним A/B тестуванням у підвищенні ефективності реклами та покращенні користувацького досвіду. Запропонована методика має перспективи для впровадження у комерційні мобільні ігри, що сприятиме сталому розвитку продукту та підвищенню доходів.
Автоматизована генерація тестових завдань на основі текстових навчальних матеріалів засобами LLM
(2025) Гуржи, Т. С.
Мета роботи – розробка та дослідження програмної системи автоматизованого створення тестових завдань на основі навчальних матеріалів із використанням великих мовних моделей, що дозволить підвищити ефективність освітнього процесу та забезпечити більш об’єктивне оцінювання знань студентів. Методи дослідження – аналіз наукових джерел з питань застосування штучного інтелекту в освіті, дослідження принципів роботи великих мовних моделей, проєктування архітектури інформаційної системи, моделювання структури бази даних, реалізація вебзастосунку із використанням сучасних фреймворків, інтеграція мовної моделі через API для генерації навчального контенту. Розглянуто питання підвищення ефективності контролю знань студентів шляхом автоматизації процесу створення тестових завдань із використанням LLM. Запропоновано архітектуру системи, яка дозволяє автоматично аналізувати навчальні матеріали, генерувати різні типи тестових запитань із варіантами відповідей та глосарій основних термінів.
Порівняльний аналіз ефективності Transfer Learning для CNN-архітектур та Vision Transformer у медичній рентгенографії
(2025) Гопко, Є. С.
Об’єктом дослідження є процес автоматизованої класифікації медичних зображень рентгенографії грудної клітки з використанням моделей глибокого навчання. Предметом дослідження є ефективність застосування різних архітектур нейронних мереж, зокрема згорткових нейронних мереж і Vision Transformer, у поєднанні з підходом transfer learning для медичної діагностики. Метою роботи є порівняльний аналіз результативності використання transfer learning у поєднанні з різними архітектурами глибоких моделей для задач класифікації рентгенограм. У роботі використано експериментальні методи комп’ютерного моделювання, включно з попереднім навчанням моделей, тренуванням на медичних наборах даних та подальшим оцінюванням за допомогою стандартних метрик якості. У результаті роботи встановлено, що модель Vision Transformer у поєднанні з transfer learning демонструє найвищу точність класифікації порівняно з класичними CNN-архітектурами.
Розробка інтелектуального застосунку психологічної допомоги з тестуванням
(2025) Голубєв, А. Ю.
Мета роботи – розробка інтелектуального застосунку для отримання психологічної допомоги шляхом консультацій та тестування психологічного стану на основі комплексного тесту з використанням нейронної мережі. Методи дослідження – теоретичний (збір та структуризація наявних досліджень в галузі), експериментальний (програмна реалізація застосунку та нейронної мережі, її навчання). У результаті роботи було досліджено актуальність теми роботи, особливо в умовах війни в Україні, проведено аналіз обраної предметної галузі, аналіз та порівняння наявних рішень, що впроваджені у цій сфері, існуючі набори даних з записом голосу, натренована та протестована нейронна мережа з різними значеннями гіперпараметрів для досягнення найоптимальнішого можливого результату. Був розроблений веб застосунок який складається з бекенд частини на Java та фронтенд частини на React.JS. Нейронна мережа була впроваджена до розробленого веб застосунку як одна з частин компоненти інтелектуального тестування.
Інформаційна система для торгівлі акціями та криптовалютами з використанням інтелектуального аналізу ринкових даних
(2025) Джура, Є. С.
Мета роботи – розробити інформаційну систему, що поєднує алгоритмічні правила технічного аналізу з прогнозами від моделей машинного навчання, що автоматично генерує торгові сигнали та забезпечує їх виконання з дотриманням заданих обмежень ризику. Методи дослідження – аналіз наукових джерел з алгоритмічного трейдингу й обробки часових рядів; проєктування архітектури Pythonплатформи; реалізація модулів збору котирувань через API Binance та Alpaca; формалізація rule-based логік; навчання й тестування моделей LSTM/XGBoost; backtesting на історичних даних. Результати – створено інформаційну систему, що в реальному часі обробляє потоки котирувань, обчислює індикатори, прогнозує напрям руху ціни та автоматично розміщує ордери. Тестування на парах BTC/USDT і акціях NVDA показало стабільне зростання капіталу при максимальній просадці < 10 %. Система може адаптуватися до інших активів і масштабуватися для промислових торгових середовищ.
Розробка AI-сервісу для створення презентацій
(2025) Гнідкін, О. Є.
Метою роботи є розробка вебдодатку, що дозволяє користувачеві створювати структуровані презентації на основі текстового запиту, із можливістю подальшого експорту у популярні формати. У дослідженні використано методи моделювання програмної архітектури, реалізації REST API, інтеграції генеративної моделі GPT-4, а також методику розробки інтерфейсу з урахуванням принципів UX/UI. У результаті реалізовано повноцінну систему, яка дозволяє генерувати презентації з налаштованими параметрами стилю, структури та тематики, що забезпечує сучасний рівень автоматизації навчального та бізнес-контенту. Систему рекомендовано використовувати у сфері освіти, презентаційної діяльності та швидкого створення візуалізованих доповідей. Завдяки можливості автоматичної генерації змістовних і структурованих презентацій за кілька хвилин, вона значно полегшує підготовку матеріалів для навчальних занять, конференцій, захисту наукових робіт чи навіть бізнес-зустрічей.
Інтелектуальна система прогнозування конфліктів програмного забезпечення у Windows
(2025) Годін, Д. В.
Метою роботи є створення зручного застосунку з використанням штучного інтелекту, який допоможе користувачам уникати повільної роботи комп’ютера. Методами дослідження є аналіз взаємодії різних застосунків у оперативній системі Windows, аналіз використання ресурсів застосунками, методи машинного навчання для побудови прогностичних моделей, вивчення загальних потреб користувачів, методи проектування адаптивних користувацьких інтерфейсів. Створений застосунок дозволяє значно підвищити стабільність роботи комп’ютерів на оперативній системі Windows, зменшити кількість випадків зависання та неочікуваного завершення програм, оптимізувати використання системних ресурсів та підвищити загальну продуктивність користувачів.
Розробка системи генерації природномовних текстів з імітацією стилю цільового автора на основі імітаційного навчання з використанням генеративно-змагальних нейронних мереж
(2025) Галкін, В. В.
У цій кваліфікаційній роботі досліджено сучасні методи стилістично керованої генерації текстів та визначено суттєві обмеження традиційних підходів на основі максимізації правдоподібності, зокрема проблему втрати стилістичної індивідуальності. Запропоновано та реалізовано архітектуру TextGAIL, що об'єднує генератор GPT-2 із дискримінатором RoBERTa та додатковим етапом прямої оптимізації преференцій. Експериментальна перевірка підтвердила значне покращення стилістичної відповідності та індивідуалізації текстів порівняно з традиційними підходами.
Розробка додатку для оцінки інвестиційного потенціалу акцій
(2025) Гуржій, Я. І.
Мета роботи – розробка програмного застосунку для оцінки інвестиційного потенціалу акцій, що інтегрує машинне навчання для підтримки прийняття інвестиційних рішень індивідуальними інвесторами. Методи дослідження – аналіз наукової літератури з фінансового аналізу, інвестиційної теорії, огляд та аналіз існуючих програмних рішень, аналіз підходів до оцінки фінансових активів, ризиків та ринкових настроїв.
Дослідження ефективності моделі T5: Text-To-Text Transfer Transformer для вирішення задач обробки природної мови
(2025) Чабаненко, А. О.
Мета роботи – розробка, модифікація та експериментальне тестування методик застосування моделі T5 з метою підвищення якості функціонування систем обробки природної мови, зокрема в таких задачах, як класифікація текстів, машинний переклад, генерація відповідей на запитання, тощо. Методи дослідження – аналіз літературних джерел, експериментальне тестування моделі T5 на різних мовних завданнях, а також порівняння результатів з іншими сучасними методами обробки мови. Отримані результати дослідження можуть бути корисними для розробників програмного забезпечення, які працюють у галузі обробки мови. Вони можуть використовувати запропоновані методики та модифікації моделі T5 для покращення якості різноманітних мовних програм, таких як системи машинного перекладу, розпізнавання мови та аналізу текстів.
Розробка мобільного застосунку для вивчення слів на основі генеративного штучного інтелекту
(2025) Грищенко, Т. Б.
Метою роботи є розробка мобільного застосунку для вивчення слів, який генерує словникові набори, дозволяє практикувати слова у контексті та адаптує навчання до рівня користувача за допомогою OpenAI API. У дослідженні застосовано методи порівняльного аналізу існуючих рішень, функціонального моделювання системи, генерації навчального контенту з використанням великої мовної моделі та прототипування інтерфейсів користувача. У результаті виконаної роботи створено мобільний застосунок із функціями генерації словникових наборів, практичного режиму з перевіркою речень, ведення прогресу користувача та адаптації контенту за допомогою ШІ, що дозволяє підвищити ефективність лексичного навчання. Результати роботи можуть бути використані в індивідуальному мовному навчанні, у супровід шкільних або онлайн-курсів, а також у проектах, пов’язаних із цифровою освітою. Застосунок має перспективу впровадження в EdTech-індустрії, мовних школах і мобільних платформах самоосвіти.
Використання згорткових нейронних мереж для обробки зображень
(2025) Бакрі Ал Сарміні Абдельхамід Мустафа
Мета роботи – дослідження та порівняння методів глибокого навчання для вирішення задачі OCR. Методи дослідження – аналіз технічної літератури та новісних досліджень в сфері глибокого навчання, експериментальний підбір архітектури та конфігурацій, використання готових рішень, аналіз результатів. У ході цієї роботі було порівняно три різні підходи, використання готових преднавчанних двох нейромереж для розпізнавання та класифікації тексту на зображенні, та створення кастомної нейромережі для цієї задачі. Були порівняні результати трьох нейромереж, та написані розгорнуті висновки щодо роботи та перспектив розвитку таких нейромереж для вирішання задачі OCR.
Мультимодальна система обробки та аналізу коротких новинних відео
(2025) Болотніков, З. В.
Мета роботи – автоматична ідентифікація фальшивого контенту у новинних відео з використанням найсучасніших методів розпізнавання мовлення, обробки природної мови та комп’ютерного зору. Методи дослідження – автоматичне розпізнавання мовлення на основі трансформатора; багатомовні моделі для вилучення тверджень та семантичного втягування; класичні та глибоко навчальні алгоритми аналізу зображень (аналіз рівня помилок, кореляція PRNU, легкі CNN, детектори дипфейків); локально-чутливе хешування та пошук приблизного найближчого сусіда для швидкого виявлення дублікатів; статистичне об’єднання рішень.
ШІ-експерт з нумізматичної продукції
(2025) Гармаш, Р. В.
Мета роботи – створити інтелектуальну інформаційну систему, яка забезпечить зручний інтерфейс і сучасні аналітичні інструменти для роботи з нумізматичною продукцією, з урахуванням поточних ринкових умов і потреб користувача. Методи дослідження – у процесі дослідження застосовувалися методи аналізу предметної галузі, проєктування архітектури вебдодатку, реалізація серверної та клієнтської частини з використанням ASP.NET Core MVC, EF Core, а також МН для обробки зображень та прогнозування цін. У результаті роботи був створений багатофункціональний вебдодаток, що дозволяє проводити оцінку стану монет, аналізувати динаміку цін та формувати рекомендації для користувачів. Дана робота демонструє приклад ефективного поєднання засобів веброзробки з технологіями штучного інтелекту та відкриває перспективи для подальшого розширення функціональності – зокрема, інтеграції більшої кількості інформації чи створення мобільної версії.
Розробка вебдодатку для генерації персоналізованих навчальних завдань з програмування на основі штучного інтелекту
(2025) Гладкий, О. В.
Метою роботи є розробка вебдодатку, який забезпечує персоналізовану генерацію задач з програмування та оцінювання розв’язків на основі моделі GPT. У процесі дослідження були застосовані методи аналізу предметної області, проектування клієнт-серверної архітектури, використання API OpenAI, Firebase та Auth0, а також методи розробки з використанням стеку React та NestJS. У результаті створено функціональний вебдодаток, здатний формувати задачі, приймати розв’язки, проводити перевірку з поясненням помилок, що забезпечує новизну через інтеграцію API генеративної моделі GPT-4 у навчальний процес.
Розробка інтелектуального асистенту для дилінгових систем на основі рекурентної нейронної мережі
(2025) Алєксєєв, М. М.
Об'єктом дослідження є фондові ринки й правила, за допомогою яких вони функціонують. Метою роботи є розробка інтелектуального віртуального асистента для фінансового прогнозування даних про акції на фондовому ринку з впровадженням мови програмування JavaScript. Методами досліджень є аналіз предметної галузі фінансових ринків, аналіз концепції нейронних мереж, а також аналіз літератури та електронних ресурсів. Результатом кваліфікаційної роботи є розроблена демоверсія інтелектуального віртуального асистента для фінансового прогнозування даних фондових ринків деяких компаній.
Система для розпізнавання шкідливого програмного забезпечення на основі штучного інтелекту
(2025) Долгов, Д. О.
Мета роботи – розробити й експериментально перевірити прототип гібридної системи, що об’єднує статичний, динамічний та контекстний аналіз, забезпечує високу точність виявлення шкідливого програмного забезпечення і надає зрозуміле пояснення кожного рішення. У межах роботи спроектовано й експериментально перевірено каскадну систему виявлення шкідливого програмного забезпечення, що поєднує легковажний статичний фільтр зі згортковою моделлю для глибинного байтового аналізу. Отримані результати підтверджують дієвість гібридного підходу та демонструють потенціал прототипу як навчальної і дослідницької платформи для подальшого удосконалення методів кіберзахисту.
Оцінка та усунення шумів у цифрових зображеннях за допомогою глибинного навчання
(2025) Чорногуб, Д. О.
У роботі розглянуто підхід до оцінки шумів у цифрових зображеннях, який передбачає використання глибинного навчання у поєднанні з технічною інформацією про умови зйомки. Побудовано модель, що окремо аналізує фотонний шум, шум темнового струму та шум зчитування, а також виявляє залишкову складову, що не пояснюється доступними метаданими. Проведено серію експериментів на синтетичних та реальних даних, що підтвердили здатність моделі точно відокремлювати джерела шуму. Досліджений підхід може бути інтегрований у системи відеоспостереження, діагностики сенсорів і вбудовані камери автономних пристроїв.