Кваліфікаційні роботи бакалаврів (Бак_ШІ)
Постійний URI для цієї колекції
Перегляд
Останні подання
Публікація Розробка інформаційного порталу для гравців League of Legends із можливістю рекомендації героя гри на основі вподобань гравця(2025) Цілінченко, А. О.У ході виконання кваліфікаційної роботи розроблено інформаційний портал чемпіонів League of Legends із функціоналом рекомендацій схожих чемпіонів до обраного, а також з персоналізованою системою рекомендацій для авторизованих користувачів на основі їх історії переглядів та можливістю фільтрації рекомендацій за класом, роллю чемпіона або комбінацією параметрів.Публікація Система автоматичного розпізнавання видів птахів на основі глибокого навчання(2025) Цимбалістенко, В. О.Мета роботи – розробка системи автоматичного розпізнавання видів птахів за зображенням на основі сучасних методів глибинного навчання. Методи дослідження – огляд наукової літератури з глибинного навчання та орнітологічних даних для аналізу предметної галузі, оцінка існуючих алгоритмів розпізнавання для розробки системи.Публікація Додаток для виявлення фейкових новин за допомогою трансформерної моделі(2025) Тімонін, О. М.Мета роботи – дослідження та розробка програмного додатку для класифікації текстових новин на правдиві та фейкові з використанням трансформерних моделей Методи дослідження – аналіз наукової літератури з обробки природної мови та виявлення фейкових новин, огляд та порівняння сучасних трансформерних моделей, аналіз існуючих програмних рішень, аналіз існуючих підходів до оцінки достовірності новин. У результаті дослідження було створено вебдодаток для виявлення фейкових новин за допомогою трансформерної моделі.Публікація Розробка системи рекомендацій ігор у вебзастосунку "Магазин ігор" з використанням Microsoft Azure ML(2025) Тітаренко, К. О.Мета роботи – розробка прототипу системи рекомендацій для магазину ігор із використанням Microsoft Azure Machine Learning, що забезпечує персоналізований підбір ігор для кожного користувача на основі багатовимірного аналізу даних. Методи дослідження – аналіз наукової літератури та сучасних рішень у сфері рекомендаційних систем для e-commerce, моделювання архітектури інформаційної системи, вивчення та застосування алгоритмів машинного навчання (KNN, дерева рішень, матрична факторизація, нейронні мережі), використання хмарних сервісів для розгортання ML-моделей, проектування структури баз даних, інтеграція вебтехнологій ASP.NET, Razor Pages, MS SQL Server. Для обробки даних застосовано методи класифікації, колаборативної та контентно-орієнтованої фільтрації.Публікація Розробка розпізнавача текстів на основі нейронних мереж(2025) Тесленко, Г. А.Мета роботи – аналіз існуючих методів розпізнавання текстів з використанням нейронних мереж та формування вимог до майбутньої системи розпізнавання. Методи дослідження – аналіз наукових джерел, узагальнення відомостей з публікацій у сфері штучного інтелекту та комп'ютерного зору, систематизація знань з нейронних мереж. Проведено порівняння ефективності різних підходів до побудови систем оптичного розпізнавання символів та концептуальне моделювання програмного продукту.Публікація Розробка вебзастосунку для організації знайомств із підтримкою пошуку партнерів за допомогою гібридних алгоритмів пошуку(2025) Свідло, В. О.Мета роботи – розробка вебзастосунку для знайомств, який застосовує гібридні алгоритми пошуку партнерів, що складаються із оцінки схожості на основі параметрів користувача та глибоких нейронних мереж для кодування зображень профілю і порівняння візуальної схожості користувачів. Методи дослідження – теоретичний (збір та структуризація теоретичного матеріалу), експериментальний (програмна реалізація вебдодатку). Методи розробки базуються на мовах програмування TypeScript, Python та технологіях Angular, Firebase, Flask. У ході виконання кваліфікаційної роботи розроблено вебзастосунок для пошуку партнерів за обраними користувачем параметрами та схожістю зображень профілю до зображень інших користувачів, отриманих за допомогою згорткової нейронної мережі MobileNetV2. На основі макетів дизайну сторінок сайту розроблено вебзастосунок, який поєднано із сервером та базою даних для зберігання інформації.Публікація Інтеграція інтелектуального асистента та технологій ШІ для організації наукових конференцій на основі LLM та PFE(2025) Теплюк, М. В.Мета роботи – проєктування, формалізація та апробація інтелектуального асистента для підтримки учасників, організаторів та рецензентів наукової конференції. Методи дослідження – архітектурне проєктування багатокомпонентних цифрових систем, методи обробки природної мови (NLP/NLU), технології Prompt Flow Engineering. У роботі обґрунтовано необхідність впровадження інтелектуальних інструментів у цифрову інфраструктуру наукових заходів. Розроблений концепт асистента орієнтовано на три основні типи користувачів – учасників, організаторів і рецензентів – та забезпечено відповідні сценарії взаємодії. Показано, що застосування LLM та PFE дозволяє реалізувати гнучкі сценарії комунікації, прискорити процес оцінювання, зменшити дублювання тематики та покращити досвід користувача.Публікація Розробка системи класифікації картографічних зображень на основі згорткової нейронної мережі(2025) Терлецька, О. О.Кваліфікаційна робота присвячена дослідженню попередньо навчених моделей для згорткової нейронної мережі з метою розробки системи для класифікації картографічних матеріалів таких як мап. Метою роботи є дослідження попередньо навчених моделей для задачі бінарної класифікації картографічних зображень, налаштування моделей для найбільш ефективного результату. Серед методів дослідження, використані для освоєння роботи присутні емпіричні наукові методи (зокрема експеримент та порівняння), аналіз і синтез з ряду емпірико-теоретичних методів. Головними завданнями роботи є дослідження академічного доробку у галузі комп’ютерного зору та класифікації зображень, проведення експериментів з трьома попередньо навченими моделями для вирішення двох завдань бінарної класифікації та побудова інформаційної системи типу вебзастосунка використовуючи дві моделі з відповідними налаштуваннями, що показали найкращий рівень класифікації.Публікація Застосування інтелектуальних агентів для адаптивного фонового вивчення мов(2025) Свєркунов, В. Р.Мета роботи – створення адаптивної персоналізованої системи, яка поєднує в собі сучасні засоби та алгоритми у поєднанні з натренованими під користувача інтелектуальними агентами для підвищення ефективності та зручності вивчення іноземних мов. Методи дослідження – аналіз наукової літератури та публічних досліджень стосовно засобів та алгоритмів для інтервального повторення, кривої забуття та навчання з підкріпленням.Публікація Розробка системи виявлення кібербулінгу на основі методів обробки природної мови(2025) Слюсаренко, Т. А.Мета роботи – розробка та дослідження ефективності моделей машинного навчання для автоматичного виявлення кібербулінгу в текстах. У роботі здійснено як теоретичне, так і практичне дослідження проблеми кібербулінгу. Проаналізовано його природу, форми, наслідки та сучасні підходи до автоматичного виявлення агресії в онлайн-середовищі. Проведено огляд наукових праць, законодавчих ініціатив і технічних рішень, що використовуються у цій сфері. У практичній частині розроблено та порівняно три моделі різної складності для виявлення кібербулінгу на основі методів обробки природної мови. Найкраща з реалізованих моделей досягла точності 92,8%, що свідчить про перспективність обраних підходів.Публікація Інтеграція технологій Explainable AI та великих мовних моделей для виправлення та пояснення помилок в англомовних текстах(2025) Стрелкова, А. О.Мета роботи – розробка вебдодатку, який інтегрує автоматичну корекцію текстів із формуванням природномовних пояснень до кожного виправлення задля забезпечення технічної точності редагування, а також підвищення розуміння користувачем суті помилок, що особливо важливо в контексті навчання або редагування. У результаті дослідження було створено вебдодаток, що дозволяє користуватися функціями інтелектуального виправлення тексту, написаного англійською мовою, та інтелектуального пояснення помилок. Дане дослідження демонструє приклад ефективного застосування інструментів пояснюваного штучного інтелекту та великих мовних моделей для задачі пояснення рішення моделі.Публікація Розробка інтелектуальної туристичної системи на базі ASP.NET Core MVC з використанням аналізу відгуків та рекомендаційного модуля(2025) Суровяткін, Я. В.Мета роботи – розробка програмного застосування з використанням технологій ASP.NET Core MVC та Entity Framework Core. Розроблене програмне застосування повинне забезпечити користувачам персоналізовані рекомендації щодо подорожей на основі відгуків. У результаті роботи проведено теоретичний аналіз галузі туристичних послуг та алгоритмів рекомендацій, що в ній використовуються. Також було розглянуто різні моделі обробки тексту та фільтрації. Для веб-додатку було реалізовано прототип, який включає в себе машинну модель, яка навчена на реальних відгуках з відкритих наборів даних. На базі цього система вже може надавати рекомендації туристичних маршрутів.Публікація Планування фізичних тренувань і дозвілля з урахуванням уподобань користувача(2025) Суворов, І. С.Головна ціль це розробка програмного рішення з використанням агентів у якості покращувача взаємодії користувача із програмою, через LLM, а також використанням TensorFlow як бібліотеку для розробки нейронних, навчальних на динамічних даних моделей. Для розробки використовується стек технологій, що включає Flask для серверної частини, SQLite для зберігання даних, а також або Tensor Flow NN для реалізації рекомендаційних моделей. Авторизація користувачів дозволяє зберігати персональні налаштування, а кожен запит на отримання рекомендацій впливає на подальші результати. Мета дослідження – вирішення описаної вище проблеми за рахунок створення програмного рішення, здатного в прямому «ефірі» відповідати на запит користувача з тим, що він вказав на початку роботи із програмою. Методи дослідження – у ході дослідження застосувалися методи розробки нейронних мереж з використанням прихованих шарів ReLU, а також результуючі SoftMax в рамках стандартів. Для розробки нейронних мереж використовувалася бібліотека TensorFlow, а для роботи із агентною системою ChatGPT-4o-mini LLM було використано бібліотеку LangGraph.Публікація Моніторинг та аналіз пошкоджень сільськогосподарських земель засобами ШІ(2025) Сільванович, К. В.Мета роботи – розробити підхід до моніторингу та прогнозування стану агроекосистем після пошкодження з використанням глибоких нейронних мереж та архітектури U-Net, та впровадити систему підтримки прийняття рішень для оцінки строків відновлення земель. Методи дослідження – машинне навчання, глибинне навчання, обробка зображень, методи сегментації, аналіз метаданих. Протягом написання роботи досліджуються сучасні методи автоматизованої класифікації пошкоджених земель за допомогою системи з трьох моделей: детекція пошкоджень, семантична сегментація та прогноз відновлення. Реалізується базова структура Decision Support System (DSS) і застосовується архітектура U-Net для точного визначення меж уражень. Використовуються аерофото- та супутникові знімки й методи комп’ютерного зору.Публікація Розробка системи виявлення аномалій у кібербезпеці на основі машинного навчання(2025) Щербак, В. О.У результаті роботи реалізовано функціональну гібридну систему виявлення аномалій, виконано її тестування на даних мережевого трафіку, визначено ефективність кожного з компонентів системи, встановлено доцільність поєднання глибоких нейронних мереж і бустингових алгоритмів. Запропоновано гібридну систему HybridIDS, що поєднує автоенкодер, генеративну змагальну мережу та бустингові алгоритми LightGBM/XGBoost. Система дозволяє ідентифікувати як відомі, так і нові типи атак у мережевому трафіку.Публікація Моделі машинного навчання для виявлення шахрайства у фінансових транзакціях(2025) Шершень, О. О.Метою роботи є порівняльний аналіз ефективності моделей машинного навчання для виявлення фінансового шахрайства з урахуванням особливостей транзакційних даних. У дослідженні застосовано методи навчання з учителем, зокрема логістичну регресію та Random Forest, а також метод попередньої обробки даних у вигляді undersampling для усунення класової незбалансованості. У результаті дослідження було побудовано дві моделі виявлення шахрайських транзакцій, виконано їх порівняльну оцінку та встановлено перевагу ансамблевого підходу; новизна полягає у практичній перевірці впливу дисбалансу класів на точність моделей та доцільності використання ансамблевих рішень у фінансовому контексті. Отримані результати рекомендовано використовувати для побудови автоматизованих систем моніторингу фінансових транзакцій у банках, фінтех-компаніях і платіжних сервісах. Розроблений підхід може бути адаптований для роботи з реальними потоками транзакцій у режимі реального часу.Публікація Сегментація екземплярів на основі текстових запитів(2025) Шкіль, А. С.У ході цієї роботи було розглянуто три підходи приведення векторів представлення до спільного простору для розв’язання задачі сегментації екземплярів на основі текстових запитів: створення єдиної матриці трансформації, створення окремих матриць трансформації для початкових векторних просторів та використання ортогонального базису та спектральної трансформації. Було продемонстровано, що існує підхід приведення векторів до спільного простору, який використовує лише лінійні перетворення, а вибір напрямку приведення, наявність негативних пар векторів та правильна постановка задачі процесу навчання може сильно вплинути на успіх даної задачі приведення.Публікація Інтернет-магазин із чат-ботом на основі машинного навчання(2025) Шумілова, О. С.У результаті роботи інтегровано сучасні методи машинного навчання для обробки текстових і візуальних запитів. Реалізовано мультимодальний інтерфейс для пошуку товарів за текстом і зображеннями. Впроваджено гібридну модель чат-бота на основі інтенційної логіки та генеративної LLM. Проведено тестування, яке показало точність розпізнавання намірів користувача понад 92% та релевантність пошуку за зображеннями понад 50% за косинусною метрикою. Результати підтверджують інноваційність і конкурентоспроможність системи на національному рівні.Публікація Розробка інтелектуальної системи моніторингу тривожності на основі аналізу тексту користувача(2025) Семененко, Б. С.У роботі розглянуто проблему автоматизованого моніторингу тривожності на основі текстових повідомлень користувача. Запропоновано інтелектуальну систему, що поєднує класифікацію рівня тривожності, виявлення типових симптомів, побудову графіків зміни психоемоційного стану та генерацію коротких пояснень на базі GPT. Реалізовано Telegram інтерфейс, збереження історії в базі даних, формування текстових і PDF звітів. Результати підтверджують доцільність використання таких рішень для індивідуального самоспостереження та первинної емоційної самодіагностики.Публікація Задача обліку відпусток на підприємстві(2025) Щербак, Д. В.В пояснювальній записці проведено аналіз існуючих систем обліку кадрів, сучасного стану проблеми автоматизації обліку кадрів, обґрунтування мети розробки комплексу завдань, виділено функціональні завдання, які автоматизуються, розроблено постановку завдань, що входять до комплексу завдань. Також проведено розробку елементів інформаційного, математичного, технічного, програмного забезпечення комплексу завдань, наведено обґрунтування вибору середовища розробки програмного продукту.