Електронний архів наукових та освітніх матеріалів КПІ ім. Ігоря Сікорського

ELAKPI – інституційний репозитарій, що накопичує, зберігає, розповсюджує та забезпечує довготривалий, постійний та надійний доступ через Інтернет до наукових та освітніх матеріалів професорсько-викладацького складу, співробітників, студентів, аспірантів та докторантів КПІ ім. Ігоря Сікорського. За посиланням можна ознайомитися з положенням про ELAKPI.

Доступ до матеріалів ELAKPI

Доступ до повних текстів матеріалів ELAKPI вільний в мережі Інтернет, крім:

  • частини матеріалів з зібрань факультетів/кафедр, завантажених до 2016 року, доступ до яких надається в локальній мережі університету, що вказано в описі матеріалу;
  • звітів про НДР – доступ з комп’ютерів у залі № 6.6 НТБ;
  • дисертацій та авторефератів, завантажених до 2016 року, які доступні тільки для перегляду з комп’ютерів у залі № 6.6 НТБ.

Щоб отримати права на перегляд/скачування повних текстів ресурсів, доступних тільки в локальній мережі університету, зареєстровані користувачі Бібліотеки КПІ ім. Ігоря Сікорського можуть скористатися послугою Віддалений доступ до "локальних" ресурсів.

Розміщення матеріалів в ELAKPI
Контакти

Бібліотека КПІ ім. Ігоря Сікорського, зал № 4.4, тел. +38 (044) 204-96-72, elakpi@library.kpi.ua, elakpi.ntb@gmail.com

 

Фонди

Виберіть фонд, щоб переглянути його зібрання.

Зараз показуємо 1 - 39 з 39

Нові надходження

ДокументВідкритий доступ
Операційні ризики, методи іх оцінки, запобігання та прогнозування
(КПІ ім. Ігоря Сікорського, 2024) Титаренко, Всеволод Юрійович; Левенчук, Людмила Борисівна
Магістерська дисертація: 134 с., 19 рис., 42 табл., 1 додаток, 43 джерела. Мета роботи – розробка системи прогнозування операційних ризиків на основі методів машинного навчання та створення життєздатного стартап-проекту для впровадження цієї системи у промисловому секторі. Об'єкт дослідження – процеси виникнення та розвитку операційних ризиків у складних технічних системах. Предмет дослідження – методи та алгоритми машинного навчання для прогнозування технічного стану обладнання та оцінки операційних ризиків. Методи дослідження – методи статистичного аналізу, машинного навчання, feature engineering, методи валідації моделей, методи проектного менеджменту та бізнес-планування. У роботі досліджено проблематику прогнозування та оцінювання операційних ризиків промислового обладнання. На основі датасету NASA Turbofan Engine розроблено та порівняно ефективність різних моделей машинного навчання для прогнозування залишкового ресурсу обладнання. Створено систему класифікації рівнів операційного ризику та запропоновано концепцію стартап-проекту для практичного впровадження розробленої системи. Практична цінність роботи полягає у створенні системи раннього попередження відмов промислового обладнання, що дозволяє оптимізувати процеси технічного обслуговування та знизити операційні витрати підприємств.
ДокументВідкритий доступ
Моделювання та прогнозування процесів на фондовому ринку методами штучного інтелекту
(КПІ ім. Ігоря Сікорського, 2024) Теванян, Роман Робертович; Кузнєцова, Наталія Володимирівна
Магістерська дисертація: 94 с., 20 рис., 23 табл., 1 дод., 21 джерело Об’єкт дослідження - набір даних цін акцій компаній S&P 500. Предмет дослідження: застосування алгоритмів штучного інтелекту до задач прогнозування цін акцій. Метою роботи є дослідження ефективності алгоритмів штучного інтелекту в задачах моделювання та прогнозування процесів на фондовому ринку. Вищеописане реалізовано за допомогою методів машинного навчання, які були застосовані на даних цін акцій, що знаходяться у відкритому доступі. Було описано суть цих методів, задачі, для вирішення яких підходить кожен окремий метод. На основі цієї інформації вже було написано та модифіковано алгоритми для конкретних задач. Для побудови моделей було використано мову програмування Python та її бібліотеки. Ефективність кожної моделі була виміряна відповідними метриками, результати продемонстровані візуально за допомогою графіків. Результатом роботи програми є рекомендації щодо дій, повʼязаних із роботою з акціями компаній. Зважаючи на ці рекомендації, субʼєкт може прийняти кращі рішення в актуальній для нього області.
ДокументВідкритий доступ
Моделі і прогнози ринкових ризиків
(КПІ ім. Ігоря Сікорського, 2024) Ревенко, Ілля Євгенович; Левенчук, Людмила Борисівна
Магістерська дисертація: 122 с., 9 рис., 25 табл., 40 джерел, 1 додаток. Мета роботи – розробка та дослідження системи прогнозування ринкових ризиків з використанням сучасних методів машинного навчання для підвищення ефективності управління фінансовими ризиками. Об'єкт дослідження – процес прогнозування ринкових ризиків у фінансовому секторі. Предмет дослідження – моделі та методи машинного навчання для прогнозування ринкових ризиків на основі історичних даних фінансових ринків. Методи дослідження – методи машинного навчання, статистичний аналіз, обробка часових рядів, глибинне навчання, методи оптимізації параметрів моделей, методи валідації та оцінки ефективності прогнозування. У роботі досліджено проблематику прогнозування ринкових ризиків у фінансовому секторі. Розроблено комплексну систему, що включає збір та обробку фінансових даних, реалізацію різних моделей машинного навчання (лінійні моделі, ансамблеві методи, LSTM-мережі) та оцінку їх ефективності. Створено методику оцінки якості прогнозування та запропоновано концепцію стартап-проекту для комерціалізації розробленої системи. Практична цінність роботи полягає у створенні ефективної системи прогнозування ринкових ризиків на мові програмування Python, що дозволяє підвищити якість управління фінансовими ризиками та оптимізувати процеси прийняття інвестиційних рішень.
ДокументВідкритий доступ
Симулятор криптовалютних інвестицій. Розробка iOS-додатку для віртуальної торгівлі та прогнозування цін
(КПІ ім. Ігоря Сікорського, 2024) Радченко, Дмитро Олексійович; Кузнєцова, Наталія Володимирівна
Магістерська дисертація: 131 с., 37 рис., 23 таб., 29 джерел. Об’єкт дослідження – ринок криптовалют, що включає методи прогнозування курсів і симуляцію торгових операцій. Предмет дослідження – математичні моделі прогнозування криптовалют і технології, які забезпечують симуляцію торгівлі та інтерактивний інтерфейс. Мета роботи – розробити iOS-додаток для симуляції торгівлі криптовалютами та прогнозування їхніх цін із використанням сучасних технологій. Метод дослідження – аналіз часових рядів (ARIMA, GARCH, LSTM), реалізація REST API з FastAPI, використання UIKit для створення інтерфейсу, обробка даних із API Binance. Актуальність – стрімкий розвиток ринку криптовалют і потреба в безпечних інструментах для навчання торгівлі та прогнозування цін. Результати роботи – розроблено додаток з використанням Swift для клієнтської частини, Python (FastAPI) для серверної частини та реляційної бази даних для збереження даних. Реалізовано інтеграцію реальних ринкових даних з API Binance для аналізу. Шляхи подальшого розвитку предмету дослідження – розширити математичні методи аналізу та прогнозу.
ДокументВідкритий доступ
Комп'ютерний інжиніринг літальних апаратів. Об'єктно-орієнтовані інформаційні технології в комп'ютерному інжинірингу. Лабораторний практикум
(КПІ ім. Ігоря Сікорського, 2023) Борисов, Віктор Васильович
В навчальному посібнику викладені методи створення прикладного програмного забезпеченння, яке дозволяє описувати дискретні математичні моделі конструкцій літальних апаратів, а також алгоритми оптимізації конструкцій літальних апаратів. Він містить приклади програмної реалізації зазначених методів. Зокрема, приділено увагу програмній реалізації методів багатопараметричної оптимізації, в тому числі із використанням методів експертної оцінки вагових коефіцієнтів параметрів математичних моделей конструкцій складних технічних об'єктів. Також наведені приклади програмної реалізації алгоритмів обміну даними з сервісним програмним забезпеченням, з метою спрощення процедури введення вихідних даних та ілюстрації результатів розрахунків. Запропоновано використовувати самостійно розроблені програмні додатки для підвищення якості та швидкості проєктних розрахунків. Навчальний посібник призначений для здобувачів ступеня бакалавра за спеціальністю 134 Авіаційна та ракетно-космічна техніка. Наведені матеріали можуть бути корисними в навчальному процесі інших технічних спеціальностей, для дисциплін, пов'язаних з дослідженням математичних моделей технічних об'єктів.