Кваліфікаційні роботи магістрів (Маг_ШІ)
Постійний URI для цієї колекції
Перегляд
Останні подання
Публікація Дослідження та порівняння методів глибокого багатозадачного навчання для класифікації рухів людини(2025) Жукевич, О. А.Мета роботи – дослідження та порівняння методів глибокого багатозадачного навчання для визначення доцільності використання даних методів у проблемах класифікації, зокрема, при застосуванні до часових рядів. Методи дослідження – аналіз технічної літератури та новісних досліджень в сфері глибокого навчання, експериментальний підбір архітектури та конфігурацій, аналіз результатів. У ході цієї роботі було порівняно три різні підходи, а саме жорсткий обмін параметрами, м’який обмін параметрами та гібридний підхід, на двох наборах даних у сфері розпізнавання людської діяльності та розпізнавання емоцій – OPPORTUNITY та DEAP. Було продемонстровано, що не кожен підхід є однаково корисним. Зокрема, спостерігалися переваги використання жорсткого обміну параметрами (HPS) на обох наборах даних і мережі пересічного зшивання (CSN) лише на одному наборі даних, а обраний підхід м’якого обміну параметрами (SPS) не є оптимальним для жодної з задач.Публікація Дослідження використання методів штучного інтелекту у адаптивному навчанні учнів початкової школи(2025) Яковлєва, В. А.Мета роботи – дослідження можливостей застосування технологій штучного інтелекту для адаптації навчальних програм до індивідуальних потреб учнів та розроблення рекомендацій до створення адаптивної системи навчання для початкової школи з використанням методів штучного інтелекту. Методи дослідження – порівняльний аналіз технологій адаптивного навчання; застосування моделей індивідуалізованого навчання на основі штучного інтелекту; емпіричне дослідження адаптивних методик у програмах початкової школи. Розроблено практичні рекомендації щодо впровадження штучного інтелекту в освітній процес початкової школи для створення індивідуалізованих навчальних траєкторій, що враховують потреби та можливості учнів.Публікація Дослідження та розробка системи прогнозування спортивних подій для букмекерських контор(2025) Терехов, М. В.Мета роботи – підвищення точності прогнозування результатів спортивних подій шляхом розробки автоматизованої системи, що використовує комплексний аналіз статистичних даних та алгоритми машинного навчання. Методи дослідження – базуються на використанні системного аналізу для вивчення взаємозв'язків у процесах прогнозування спортивних подій, математичного моделювання та теорії ймовірностей для створення моделей, алгоритмів машинного навчання, включаючи нейронні мережі та методи глибокого навчання для аналізу великих масивів спортивних даних. У даній роботі розроблено архітектуру системи прогнозування, реалізовано алгоритми обробки статистичних даних спортивних подій та створено систему для автоматизації процесу прогнозування. Проведено комплексне тестування системи, яке підтвердило підвищення точності прогнозів. Розроблена система може бути використана букмекерськими конторами для підвищення ефективності їхньої діяльності та точності прогнозів спортивних подій.Публікація Дослідження моделей бізнес-процесів обліку продукції підприємства(2025) Волошина, А. Т.Мета роботи – розробка підходу до моделювання бізнес-процесів із змінною структурою, що дозволяє удосконалити процеси управління та підвищити ефективність діяльності підприємства. Методи дослідження – аналіз існуючих моделей та підходів до моделювання бізнес-процесів, застосування структурного підходу для опису процесів, використання технології BPMN для графічного моделювання, програмна реалізація та верифікація бізнес-процесів за допомогою IBM WebSphere. Результати роботи включають розробку моделі бізнес-процесу із змінною структурою, її верифікацію та оцінку ефективності. Запропонований підхід дозволяє оптимізувати управління процесами на виробничих підприємствах, скорочуючи витрати часу та ресурсів. Результати дослідження мають практичну цінність, оскільки можуть бути впроваджені для автоматизації обліку продукції, покращення логістики та підвищення загальної ефективності підприємства. Подальший розвиток роботи може бути спрямований на інтеграцію з інтелектуальними системами для прогнозування та адаптації бізнес-процесів.Публікація Розробка та дослідження класифікатора пожеж на зображеннях за допомогою згорткових нейронних мереж (CNN)(2025) Семенко, І. О.Мета роботи – розробка та дослідження системи класифікації пожеж на зображеннях з використанням згорткових нейронних мереж (CNN), що забезпечує високу точність класифікації в реальних умовах експлуатації. Методи дослідження – аналіз існуючих рішень, математичне моделювання, експериментальне дослідження, статистичний аналіз, комп'ютерне моделювання та програмна реалізація. Проведено комплексний аналіз сучасних методів виявлення та класифікації пожеж, досліджено архітектури згорткових нейронних мереж та методи їх оптимізації. Використано спеціалізований набір даних для навчання мережі, що містить 5000 розмічених зображень. На основі проведених досліджень розроблено оригінальну архітектуру CNN та програмну систему, що досягає точності класифікації 98% для основних типів пожеж при низькому рівні помилкових спрацьовувань. Запропоновано методи оптимізації для роботи в режимі реального часу та рекомендації щодо практичного впровадження.Публікація Метод 1-бітового квантування ваг для великих мовних моделей(2025) Приходько, Д. М.Метою роботи є аналіз можливостей використання методу 1-бітового квантування ваг для великих мовних моделей, оцінка його впливу на точність і продуктивність, а також розробка рекомендацій щодо впровадження цього методу в реальні задачі. У дослідженні здійснено теоретичний аналіз літератури, розроблено алгоритми, проведено експерименти на реальних моделях і здійснено статистичний аналіз отриманих результатів. Робота включає огляд теоретичних основ квантування ваг із фокусом на 1-бітове квантування, що дозволяє значно скоротити обчислювальні ресурси без суттєвого зниження точності. Проведено експериментальне дослідження для оцінки ефективності цього підходу на великих мовних моделях. Отримані результати підтверджують можливість використання методу у середовищах із обмеженими ресурсами. Практичне значення роботи полягає в розширенні доступності великих мовних моделей через зниження їхньої обчислювальної складності, що сприяє їх впровадженню у мобільні пристрої та інші обмежені середовищаПублікація Використання малих мовних моделей для перекладу природної мови в команди Bash(2025) Платаний, В. А.Мета роботи – порівняння результатів роботи різних малих мовних моделей для автоматичного перекладу команд з англійської мови у Bash команди, з акцентом на точність та ефективність виконання завдання. Методи дослідження – моделювання, програмна реалізація, аналіз і аналітика, формалізація. У роботі проведено порівняння малих мовних моделей для автоматичного перекладу команд з англійської мови у Bash. Для цього буде підготовлено датасет, проведено навчання моделей із оптимізацією гіперпараметрів та виконано їх тестування. Результати будуть оцінюватися за точністю та ефективністю виконання завдання, з урахуванням специфіки Bash-команд.Публікація Розробка та дослідження методу виявлення спільнот у мережах на основі модулярності(2025) Мусієнко, М. Ю.Об’єктом досліджень є мережі. Предметом досліджень кваліфікаційної роботи є методи розбиття мереж на спільноти. Метою роботи є дослідження методів та алгоритмів розбиття мереж на спільноти на основі максимізації критерію модулярності мережі.Публікація Розроблення системи виправлення граматичних та синтаксичних помилок в україномовних текстах(2025) Пилипенко, Р. О.Мета роботи – розроблення системи виправлення граматичних та синтаксичних помилок для української мови. Методи дослідження – аналіз літературних джерел, використання алгоритмів нейронного машинного перекладу, методів обробки природної мови, генерація синтетичних помилок, експериментальне навчання моделей на основі архітектури трансформерів. У ході роботи були досліджені теоретичні підходи до виправлення граматичних помилок та створення синтетичних помилок для малоресурсних завдань. Розглянуто різні методи, включаючи ін’єкцію шуму та зворотний переклад. Експериментально реалізовано новий підхід із генерацією англіцизмів для синтетичних прикладів. Також проведено дослідження різних нейромережевих архітектур для розв’язання задачі корекції граматичних помилокПублікація Дослідження та прогнозування міграційних тенденцій громадян України методами аналізу даних(2025) Моргун, О. Ю.Об’єкт дослідження – міграційні процеси громадян України в умовах війни та повоєнного відновлення. Предмет дослідження – закономірності, тенденції та фактори, що впливають на міграційні потоки українців, а також методи їх аналізу та прогнозування. Мета роботи – дослідження та прогнозування тенденцій міграційних потоків громадян України з використанням сучасних методів аналізу даних для формування рекомендацій щодо управління цими процесами.Публікація Аналіз ефективності рекламних кампаній з використанням методів А/В тестування та статистичного моделювання(2025) Литвиненко, А. В.Мета роботи - дослідити ефективність рекламних кампаній за допомогою методів А/В тестування та статистичного моделювання, визначити найефективніші підходи до оптимізації рекламних стратегій на основі отриманих даних та запропонувати рекомендації щодо покращення результатів кампаній. Методи дослідження включають аналіз наукової літератури у сфері аналізу взаємозв'язків, проведення експериментів із застосуванням різних алгоритмів, порівняння ефективності запропонованих рекомендацій. У ході дослідження було проведено аналіз існуючих технологій та методів оптимізації реклами, з акцентом на підвищення їхньої ефективності. Розглянуто основні виклики, пов'язані з неможливістю отримати якісні прогнози. Експериментальна частина дослідження демонструє практичне використання А/В тестування, статистичного моделювання і їхнього поєднання для задачі підвищення ефективності реклами. Особлива увага приділена ключовим метрикам, визначенню цільової аудиторії та впливу алгоритмів Google та Meta. На підставі аналізу результатів експериментів сформульовані рекомендації щодо оптимізації рекламних креативів у залежності від типу кампанії, її цілі та цільової аудиторії.Публікація Розробка та дослідження методу кластерізації мереж на спільноти, які перекриваються(2025) Крамаренко, Д. П.Мета роботи – дослідження методів та алгоритмів розбиття мереж на спільноти, які перекриваються. Методи дослідження – математичне моделювання та статистичний аналіз використовувались для розробки генеративної моделі мережевих спільнот на основі розподілу Пуассона та методу максимальної правдоподібності. Алгоритмічний аналіз дозволив дослідити та оптимізувати обчислювальну складність EM-алгоритму. Експериментальні методи включали тестування на синтетичних та реальних мережах з використанням комп'ютерного моделювання в Python із застосуванням бібліотек NetworkX та Gephi. Для валідації результатів застосовувались статистичні методи оцінки точності виявлення спільнот.Публікація Дослідження штучних нейронних мереж для розпізнавання образів в медичних системах(2025) Коваль, Ф. Ф.У роботі проведено огляд сучасних архітектур нейронних мереж, таких як згорткові нейронні мережі (CNN), ResNet та Vision Transformers, для їхньої ефективності в задачах класифікації медичних зображень. Вивчено вплив параметрів, як-то кількість шарів та розмір ядра згортки, на точність розпізнавання патологій. Проведено аналіз методів підготовки даних та вибрані найбільш підходящі набори медичних зображень (рентгенівські знімки, МРТ) для тестування нейронних мереж. Розроблено тестову платформу для порівняння продуктивності обраних архітектур нейронних мереж на наборах даних з різними розмірами зображень. Проаналізовано результати тестування моделей на основі метрик точності, чутливості та специфічності, що дозволило виділити оптимальні архітектури для використання в медичних системах.Публікація Дослідження структури спільнот у соціальних мережах(2025) Ковалевська, Г. А.Мета роботи – дослідити структуру Telegram-мереж, класифікувати взаємодії між каналами, оцінити поширення дезінформації та роль соціальних мереж в інформаційному просторі України. Методи дослідження – методи графового аналізу, асинхронного збору даних через Telegram API, інтеграції з базою даних PostgreSQL, аналізу динаміки взаємодій між каналами за допомогою Python, а також методи візуалізації для представлення результатів. У результаті дослідження сформовано категорії Telegram-каналів, до яких увійшли офіційні джерела, новинні ресурси, проросійські канали, регіональні платформи та інші. Проведено аналіз посилань між цими каналами у визначених часових періодах: лютий 2022, 2023 і 2024 років. Визначено ключові вузли мережі, що мають найбільший вплив на поширення інформації, а також оцінено зміну інформаційних потоків під час критичних подій. Отримані результати можуть бути використані для підвищення ефективності інформаційної безпеки, створення стратегій протидії дезінформації та удосконалення комунікаційних платформ.Публікація Підтримка методів інтелектуального аналізу даних засобами реляційних систем(2025) Кесарєва, М. О.Мета роботи – аналіз можливостей реляційних систем управління базами даних для підтримки методів інтелектуального аналізу даних, а також розробка рекомендацій щодо їх ефективного використання для вирішення завдань аналізу великих обсягів даних. Методи дослідження – вивчення наукових праць, методологій і технологій, що стосуються РСУБД і інтелектуального аналізу даних, оцінка ефективності різних РСУБД у виконанні задач інтелектуального аналізу, оцінка точності, продуктивності та масштабованості рішень.Публікація Дослідження використання сіамської глибокої мережі з механізмом уваги для One-shot розпізнавання(2025) Чернявський, І. В.Мета роботи – створення системи розпізнавання техніки на зображенні на основі штучної нейронної мережі, котра буде здатна розпізнати конкретний клас техніки, маючи обмежену кількість навчальних прикладів. Методи дослідження – аналіз наукових статей та іншої літератури за темою дослідження. Попередня обробка даних, попереднє навчання обраної моделі та її подальша модифікація механізмом уваги, налаштування гіпер параметрів, навчання фінальної сіамської моделі з різними функціями втрат та аналітична оцінка результатів. В результаті проведених досліджень вирішено задачу розпізнавання різної техніки на зображенні при умовах малої кількості прикладів класів (Few-Shot Learning). Дана модель може базуватися на різноманітних згорткових архітектурах, модифікованих механізмом уваги, показує непогану точність. Обрана модель, з огляду на архітектуру, дає змогу в майбутньому швидко і не затратно додавати нові класи. В якості програмної платформи використано фреймворк Pytorch мови програмування Python.Публікація Банківський асистент використовуючи великі мовні моделі (LLM)(2025) Гребінник, Є. В.Мета роботи – створення банківського асистенту для класифікації банківських транзакцій на класи: Зловмисна, Легальна. Методи дослідження – теоретичний (збір та структуризація теоретичного матеріалу), експериментальний (програмна реалізація великої мовної моделі та її навчання). Методи розробки базуються на технологіях Python з фреймворками Pytorch, Transformers. У результаті було проведено аналіз архітектур великих мовних моделей та архітектури трансформер відповідно, досліджени методи навчання та роботи таких шарів як: self-attention, cross-attention, multi-head attention та блоків: encoder та decoder й використані існуючі набори даних, що складаються приблизно з 16000 банківських транзакцій. Аналогічні дані були використані для розрахунку метрики точності.Публікація Розробка рекомендаційної системи для інтернет-магазину з використанням гібридних підходів(2025) Антіпін, В. С.Мета роботи – розробка гібридної рекомендаційної системи для інтернет-магазину, яка забезпечує високу точність, релевантність і адаптивність рекомендацій для різних типів користувачів та сценаріїв, включаючи «холодний старт». Методи дослідження – теоретичний аналіз існуючих підходів до побудови рекомендаційних систем, моделювання алгоритмів на основі контентного та колаборативного фільтрування, тестування системи на реальних наборах даних, використання метрик Precision, Recall, F1, MAP, MRR, NDCG, RMSE для оцінки ефективності, а також експериментальний аналіз впливу вагових коефіцієнтів на якість рекомендацій.Публікація Розробка та дослідження рейтингових моделей оцінювання кафедр у закладах вищої освіти(2025) Бєлянінова, Г. Г.Метою даної роботи є аналіз особливостей моделей та структур даних у інформаційних технологіях рейтингового оцінювання. Методами дослідження є контент-аналіз, порівняльний аналіз, теорія реляційних баз даних, інтелектуальний аналіз даних, теорія проектування інформаційних систем. У результаті роботи проведено теоретичний аналіз моделей даних існуючих рейтингових систем у Харківському національному університеті радіоелектроніки, виявлено відмінності у структурі, критеріях оцінки та впливу на результати рейтингування. Визначено статистично значущі взаємозв’язки між різними показниками та позицією у рейтингу. Запропоновано рекомендації щодо можливих змін та вдосконаленню рейтингових моделей для об’єктивного оцінювання якості освіти.Публікація Метод синтезу навчальної вибірки для LLM на основі методу навчання з підкріпленням(2025) Бондаренко, Д. К.Мета роботи – розробити та впровадити ефективний підхід до створення синтетичного текстового датасету для навчання великих мовних моделей, використовуючи навчання з підкріпленням, оцінювання відповідей моделі та техніки перефразування для розширення датасету. Методи дослідження – аналіз даних, експеримент, створення алгоритмів, валідація. У результаті роботи було розроблено підхід до створення синтетичного датасету для навчання великих мовних моделей за допомогою навчання з підкріпленням. Модель попередньо навчалася на великому обсязі немічених текстових даних, а потім отримувала запити з попередньо визначеного набору. Для розширення датасету відповіді перефразовувалися та перекладалися на кілька мов. Отриманий підхід дозволяє ефективно генерувати високоякісні дані для навчання великих мовних моделей, що сприяє покращенню їх продуктивності та здатності працювати з багатомовними даними.