Кваліфікаційні роботи магістрів (Маг_ПІ)
Постійний URI для цієї колекції
Перегляд
Останні подання
Публікація Дослідження методів автоматизації формування текстових корпусів(2025) Горєлов, Д. О.Обʼєктом дослідження є процеси формування, обробки та систематизації україномовних текстових даних для створення лінгвістичних корпусів. Метою роботи є підвищення якості україномовних текстових корпусів та систем для автоматичного їх формування шляхом розробки вдосконаленої системи автоматичного формування текстових корпусів з покращеними методами нормалізації та токенізації текстів. Методи дослідження охоплюють порівняльний аналіз наявних текстових корпусів, критичне вивчення методів нормалізації та токенізації, емпіричне дослідження проблем послідовності в текстових даних. У результаті кваліфікаційної роботи було розроблено програмний інтерфейс для автоматизованого формування текстових корпусів з покращеними методами нормалізації та токенізації текстів українських новин.Публікація Дослідження моделей нейронних мереж типу трансформери для семантичного та емоційного аналізу природньої мови людини(2025) Кремененко, К. О.Об’єктом дослідження є процеси семантичного та емоційного аналізу природної мови, які забезпечують розуміння змісту текстових повідомлень та їхнього контексту сучасними мовними моделями. Метою роботи є дослідження ефективності моделей нейронних мереж типу трансформери (зокрема BERT, RoBERTa та GPT) у задачах автоматизованого аналізу тексту для визначення його емоційної тональності та семантичного змісту. Методами дослідження є аналіз сучасних архітектур трансформерних моделей, побудова експериментального середовища для тестування, порівняння результатів за допомогою стандартних метрик класифікації (точність, повнота, F1-міра), а також інтерпретація отриманих результатів для різних сценаріїв використання. У результаті роботи було реалізовано та протестовано кілька моделей на основі трансформерної архітектури. Проведено порівняльний аналіз їх ефективності, що дозволило зробити висновки щодо доцільності використання таких моделей для задач емоційного та семантичного аналізу текстів у сфері автоматизованої обробки природної мови.Публікація Дослідження алгоритмів балансування навантаження для підвищення продуктивності програмних систем на .NET Core(2025) Мирошниченко, С. А.Об’єктом дослідження є система розподілу запитів та балансування навантаження у серверних комплексах. Предметом дослідження є методи та алгоритми балансування навантаження з урахуванням динаміки трафіку і різнорідності серверних вузлів. Мета роботи - розробка та дослідження ефективного адаптивного алгоритму балансування навантаження, що забезпечує стійку роботу серверів в умовах високої динаміки трафіку. Методи дослідження - аналіз існуючих класичних і адаптивних алгоритмів балансування (Round Robin, Least Connections, Weighted Round Robin тощо). Розробка програмної системи-емулятора з можливістю автоматичного перемикання між алгоритмами і збором метрик у реальному часі. Впровадження і тестування адаптивного алгоритму, який враховує поточні й історичні параметри серверів. Моделювання навантаження за допомогою інструменту k6 та аналіз результатів роботи системи.Публікація Дослідження методів оптимізації та архітектурних рішень для підвищення продуктивності та масштабованості застосунків на основі React(2025) Філіпенко, А. В.Об’єктом дослідження є застосунки на основі React з використанням фреймворку Next.js. Метою роботи є аналіз та застосування на практиці методів оптимізації та архітектурних рішень застосунків на основі React, виявлення їхніх переваг і недоліків, а також визначення випадків, у яких вони застосовуються для підвищення продуктивності та масштабованості застосунків. Методи дослідження – аналіз існуючих методів оптимізації продуктивності веб-застосунків (мемоізація, віртуалізація списків, lazy loading, SSR/CSR/SSG), дослідження інструментів керування станом і мережевими. Розробка двох версій веб-застосунку з і без оптимізацій для порівняння. Впровадження динамічного імпорту компонентів, віртуалізації великих списків, оптимізації запитів та архітектурних рішень на основі Next.js. Проведення тестування з використанням інструменту Lighthouse та аналіз метрик Web Vitals для об’єктивної оцінки ефективності застосованих оптимізацій.Публікація Дослідження методів тестування елементів веб-застосувань для покращення якості ПЗ(2025) Тішенінова, В. О.Об’єктом дослідження є процес тестування елементів інтерфейсу веб-застосунків. Метою роботи є аналіз ефективності графових моделей для автоматизованого тестування SPA-додатків, розроблених із використанням фреймворків React та Redux. Методи розробки: аналіз літературних джерел, інструментальне моделювання, створення тестових сценаріїв, експериментальне тестування, порівняльний аналіз.Публікація Дослідження методів машинного навчання для підвищення ефективності автоматизованої валідації та модерації текстового контенту в цифрових середовищах(2025) Керецман, І. А.Об’єктом дослідження є методи машинного навчання у рамках автоматизованої модерації текстового контенту в цифрових середовищах. Метою роботи є розробка та порівняння ефективності комбінованого методу з базовими методами машинного навчання у контексті автоматизованої модерації текстового контенту в цифрових середовищах. Методами дослідження є аналіз існуючих алгоритмів класифікації тексту (наївний Баєсівський класифікатор, метод опорних векторів, логістична регресія), створення ансамблевої моделі з використанням градієнтного бустингу як мета-моделі, а також оцінка ефективності методів на основі метрик точності, влучності, повноти та F1-міри.Публікація Дослідження ансамблевих методів машинного навчання для класифікації музичних жанрів у інформаційних системах(2025) Мовчан, А. С.Об’єкт дослідження – процес класифікації музичних треків за жанрами, що потребує створення ефективних методів для досягнення високої точності. Мета роботи – підвищення точності та продуктивності класифікації музичних треків за жанрами шляхом обґрунтування, вибору та програмної реалізації найбільш ефективних ансамблевих моделей. Методами розробки та аналізу є дослідження проблемної галузі, емпірична оцінка різних алгоритмів машинного навчання, вирішення багатокритеріальної задачі прийняття рішень для вибору оптимальних ансамблів.Публікація Дослідження методів зберігання великого обсягу візуальних даних в базах даних(2025) Ніколенко, В. В.Об’єктом дослідження є бази даних та методи зберігання зображень в них. Метою роботи є проведення дослідження продуктивності зберігання зображень в реляційних та нереляційних базах даних. Методами дослідження є аналіз існуючих реляційних та нереляційних СУБД, переваг та недоліків зберігання в них візуальних даних і існуючих механізмів, інструментів та методів підвищення ефективності зберігання та обробки цих даних. В результаті роботи було проведено епериментальне дослідження для визначення оптимальних методів зберігання великих обсягів візуальних даних в реляційних та нереляційних базах даних.Публікація Дослідження методів аналізу дистанційної роботи працівників. Рекомендації для покращення емоційного стану(2025) Кіданов, А. О.Об’єктом дослідження є методи моніторингу емоційного стану працівників у дистанційному середовищі. Метою роботи є проведення дослідження ефективності методів аналізу емоційного стану працівників, виділення ефективних методів та реалізація програмної системи для забезпечення своєчасного виявлення емоційного виснаження та надання рекомендацій для покращення умов праці. Методи дослідження включають аналіз текстових даних (NLP), моніторинг фізіологічних показників, аналіз міміки за допомогою комп’ютерного бачення та оцінювання через суб’єктивні опитування. Розрахунок ефективності проводився на основі багатокритеріальної задачі з використанням адитивної згортки.Публікація Дослідження ефективності програмних засобів інформатизації мереж закладів харчування(2025) Чан Мінь ДикОб'єктом дослідження є процеси інформатизації мереж закладів харчування. Метою дослідження є аналіз існуючих інструментів для інформатизації, оцінка їхньої ефективності та вироблення рекомендацій щодо оптимізації роботи закладів харчування із використанням обраних інструментів. Методами дослідження є аналіз наукової інформації та літературних джерел. У результаті курсової роботи визначено найбільш ефективні програмні засоби для автоматизації та управління в закладах харчування, розроблено рекомендації щодо їхнього впровадження.Публікація Дослідження методів аналізу дистанційної роботи працівників. Рекомендації для підвищення ефективності(2025) Пархоменко, Ю. Ю.У роботі досліджено проблему оцінювання продуктивності працівників і прогнозування ризику їх звільнення в умовах дистанційної зайнятості. Актуальність дослідження зумовлена широким переходом компаній до гнучких моделей роботи, що створює запит на ефективні інструменти підтримки прийняття управлінських рішень на основі HR-даних. Об’єктом дослідження є процеси аналізу трудової ефективності персоналу в умовах дистанційної праці. Предметом дослідження виступають аналітичні моделі та методи машинного навчання для виявлення закономірностей і прогнозування результативності працівників. Метою роботи є проведення дослідження впливу факторів, що визначають ефективність дистанційної праці, та розробка аналітичної моделі для оцінки продуктивності й ризику звільнення на основі HR-даних. У роботі використано методи кластерного аналізу, нормалізації даних, регресійного та класифікаційного моделювання. Проведено генерацію додаткових оцінкових ознак, побудовано кілька моделей із використанням алгоритмів Random Forest, KMeans та GridSearchCV. Застосовано Python, Flask, Pandas, Scikit-learn.Публікація Дослідження архітектур CNN, RNN та ViT для автоматичного розпізнавання емоцій за мімікою людини з метою створення адаптивних інтелектуальних систем(2025) Ющенко, А. С.Об’єктом дослідження є архітектури Convolutional Neural Networks, Recurrent Neural Networks, Vision Transformer для розпізнавання емоцій людини. Метою роботи є порівняння та аналіз різних архітектур нейронних мереж для задач розпізнавання емоцій та для подальшої їх інтеграції у веб-додатки з використанням технологій Flask (бекенд) та React (фронтенд). Проведено аналіз існуючих досліджень у сфері емоційного аналізу за мімікою, виконано огляд найпоширеніших архітектур нейронних мереж (Convolutional Neural Networks, Recurrent Neural Networks, Vision Transformer), розроблено веб-додаток для інтеграції аналізу мімічних даних у реальному часі, проведено експериментальне порівняння продуктивності нейронних мереж за ключовими метриками: точність, площа під кривою (AUC), показник F1, затримка, пропускна здатність і простота інтеграції.Публікація Дослідження методів машинного навчання для підвищення ефективності SEO-оптимізації веб-сайтів(2025) Мартиненко, А. О.Об’єктом дослідження є методи сканування веб-сайтів пошуковими системами та методи машинного навчання для кластеризації текстових даних у задачі пошукової оптимізації веб-сайтів. Метою роботи є дослідження методів сканування веб-сайтів пошуковими системами та методів машинного навчання для кластеризації контенту, щоб інтегрувати у програмний продукт та автоматизувати рутинні процеси SEO-оптимізації. Методами аналізу є вивчення проблемної області SEO-оптимізації, вибір інструментів для дослідження шляхом вирішення багатокритеріальної задачі прийняття рішень, порівняння їх продуктивності на основі встановлених критеріїв та дослідження методів машинного навчання, що можуть автоматизувати та пришвидшити рутинні процеси при аналізі даних перед початком ведення внутрішньої SEO-оптимізації веб-сайтів.Публікація Дослідження методів розпізнавання зловмисного зашифрованого трафіку для захисту хмарних систем від DDoS атак. Використання глибинного навчання з підкріпленням(2025) Великородній, А. В.Об’єктом дослідження є процес виявлення зловмисного зашифрованого трафіку, що використовується для здійснення DDoS-атак на хмарні та локальні інфраструктури. Метою роботи є дослідження можливості застосування глибинного навчання з підкріпленням (Reinforcement Learning) для побудови системи автоматичного розпізнавання DDoS-атак у зашифрованому трафіку на основі аналізу лише метаданих, без розшифрування вмісту мережевих пакетів. Методами дослідження є аналіз літературних джерел, порівняльний аналіз класичних та сучасних методів виявлення DDoS у TLS/HTTPS-трафіку, моделювання процесу виявлення через глибокі Q-мережі (DQN, DDQN)Публікація Дослідження методів розпізнавання зловмисного зашифрованого трафіку для захисту хмарних систем від DDoS атак. Використання RNN у поєднанні з AutoEncoder(2025) Трипілка, А. В.Об’єктом дослідження є процес аналізу зашифрованого мережевого трафіку у хмарних середовищах для виявлення DDoS-атак. Метою цієї роботи є дослідження методів виявлення зашифрованого зловмисного трафіку з акцентом на DDoS-атаки у хмарному середовищі та розробка прототипу системи виявлення на основі рекурентних нейронних мереж (RNN) у поєднанні з AutoEncoder. Методами розробки є аналіз проблемної області, проєктування архітектури системи, побудова моделей виявлення аномалій, експериментальне дослідження ефективності RNN та AutoEncoder у задачах кібербезпеки, а також використання сучасних інструментів для обробки мережевого трафіку. У роботі також порівнюються запропоновані методи з класичними евристичними підходами для оцінки переваг глибокого навчання. Особливу увагу приділено адаптивності системи до роботи в реальному часі з потоковими даними.Публікація Дослідження ефективності застосування ORM та SQL підходів для доступу до баз даних у Go-додатках(2025) Ягнюков, А. Ю.Об’єктом дослідження є підходи до доступу до баз даних у Go-додатках. Метою роботи є проведення дослідження найбільш ефективного підходу для доступу до баз даних у додатках, розроблених мовою програмування Golang. Методами розробки та проєктування є аналіз предметної галузі, аналіз наукової інформації та літературних джерел, вибір ORM для проведення дослідження шляхом вирішення багатокритеріальної задачі, написання програми та проведення експериментальних досліджень, аналіз результатів досліджень та формування рекомендацій щодо використання того чи іншого підходу.Публікація Дослідження методів візуалізації та аналізу інформації з використанням LLM(2025) Будник, М. О.Об'єктом дослідження є процес дослідження та розробки системи для візуалізації та аналізу даних з використанням великих мовних моделей (LLM). Метою роботи є дослідження принципів застосування LLM для аналізу та візуалізації даних, розробка концептуальної архітектури та програмного прототипу такої системи, дослідження методів генерації інсайтів та візуалізацій, порівняння ефективності різних моделей LLM (зокрема GPT-4o, Claude 3, Gemini Pro) та дослідження оптимальних технік побудови промптів для даної задачі. Методами дослідження є огляд літератури, системний аналіз, моделювання архітектури, аналіз інженерії промптів, розробка прототипу, експериментальне дослідження та методи порівняльного аналізу.Публікація Дослідження методів просторового сканування навколишнього середовища з використанням Wi-Fi сигналів та алгоритмів машинного навчання(2025) Нос, М. В.Об’єктом дослідження є методи просторового сканування навколишнього середовища з використанням Wi-Fi сигналів та алгоритмів машинного навчання. Метою роботи є аналіз існуючих методів сканування середовища, розробка пристрою для збору даних Wi-Fi та тестування алгоритмів машинного навчання для підвищення точності сканування в реальних умовах. Методами розробки є створення експериментального пристрою для збору та аналізу Wi-Fi сигналів, розробка програмного коду для пристрою в Arduino Studio із використанням мови програмування C++, створення алгоритмів машинного навчання, проведення багатокритеріального аналізу методів, а також тестування в середовищі Python.Публікація Дослідження алгоритмів комп'ютерного зору для розпізнавання жестів(2025) Гайдук, Д. А.Об’єктом дослідження є процес розпізнавання жестів на основі алгоритмів комп’ютерного зору. Цей процес охоплює послідовні етапи: захоплення відеопотоку, попередню обробку зображень, виявлення ключових точок тіла або рук, а також класифікацію динамічних і статичних жестів. Метою роботи є проведення комплексного дослідження ефективності алгоритмів комп’ютерного зору для розпізнавання жестів із акцентом на аналіз їхньої точності, адаптивності до змін освітлення, фону та індивідуальних особливостей виконання жестів, а також визначення оптимальної моделі для подальшої реалізації в системах взаємодії «людина комп’ютер». Методи розробки та проєктування базуються на комплексному підході, що включає традиційну обробку зображень, виявлення ключових точок з використанням бібліотеки MediaPipe, а також застосування глибокого навчання зокрема, згорткових нейронних мереж (CNN) для виділення просторових ознак і рекурентних мереж з довготривалою пам’яттю (LSTM) для аналізу часових послідовностей. Розробка програмної системи здійснювалась мовою Python з використанням бібліотек OpenCV, PyTorch Lightning, MediaPipe, matplotlib і NumPy. Під час реалізації також використовувались методи нормалізації зображень, фільтрації шумів, анотації даних та валідації точності за метриками accuracy, precision, recall і F1 score.Публікація Дослідження методів прийняття рішень у реальному часі широкого спектру в комп'ютерних іграх жанру RPG(2025) Кіслов, Д. Р.У роботі досліджено проблему розробки та оптимізації методів прийняття рішень у реальному часі для комп'ютерних ігор жанру RPG. Актуальність дослідження зумовлена зростаючими вимогами до якості штучного інтелекту в сучасних відеоіграх та необхідністю розробки ефективних методів прийняття рішень, здатних адаптуватися до динамічних умов ігрового середовища. Об'єктом дослідження є процеси прийняття рішень у комп'ютерних іграх жанру RPG. Предметом дослідження виступають методи та алгоритми оптимізації прийняття рішень у реальному часі з урахуванням обмежень обчислювальних ресурсів та вимог до швидкодії системи. Метою роботи є проведення дослідження ефективності методів оптимізації прийняття рішень штучного інтелекту в RPG-іграх. У роботі проведено комплексний аналіз існуючих рішень та методів, що використовуються в сучасній ігровій індустрії. На основі проведеного аналізу запропоновано новий гібридний метод, що поєднує модифікований алгоритм Monte Carlo Tree Search з механізмами адаптивного планування та предиктивних обчислень. Розроблено математичну модель системи прийняття рішень, що враховує множину параметрів ігрового середовища та обмеження реального часу.