Магістерські роботи (ШІ)
Постійне посилання зібрання
У зібранні розміщено магістерські дисертації на здобуття ступеня магістра.
Переглянути
Перегляд Магістерські роботи (ШІ) за Автор "Гуськова, Віра Геннадіївна"
Зараз показуємо 1 - 2 з 2
Результатів на сторінці
Налаштування сортування
Документ Відкритий доступ Застосування штучного інтелекту для прогнозування ринкової вартості житла(КПІ ім. Ігоря Сікорського, 2024) Пінчук, Максим Олександрович; Гуськова, Віра ГеннадіївнаМагістерська дисертація: 68 с., 22 рис., 22 табл., 1 дод., 25 посилань. Об’єкт дослідження: ринкова вартість житла. Предмет дослідження: машинне навчання, нейронні мережі. Мета роботи полягає у розширенні знань про застосування штучного інтелекту в аналізі ринку житла та розробці ефективних методів прогнозування цін на житло. Результати дослідження можуть сприяти покращенню процесів прийняття рішень у галузі нерухомості та впровадженню нових інструментів для прогнозування ринкової вартості житла. Результатом дисертаційної роботи є розроблення та валідація моделей штучного інтелекту для прогнозування ринкової вартості житла. Ці моделі можуть використовувати методи машинного навчання, нейронні мережі та інші підходи для аналізу даних про нерухомість та прогнозування цін. Подальший розвиток предмету дослідження – розгляд більш складних методів для прогнозування та аналізу даних. Основні положення дослідження доповідалися на конференції «Системи і технології зв’язку, інформатизації та кібербезпеки: актуальні питання і тенденції розвитку».Документ Відкритий доступ Побудова рекомендаційної системи з використанням підходів штучного інтелекту для e-commerce проекту(КПІ ім. Ігоря Сікорського, 2024) Фролкін, Володимир Юрійович; Гуськова, Віра ГеннадіївнаМета роботи - дослідження методів та алгоритмів побудови рекомендацій, і підвищення їх ефективності та подальша інтеграція обраного алгоритму в існуючий маркетплейс. Об’єкт дослідження - процес створення рекомендаційної системи для вибору товару на маркетплейсі Bigl.ua. Предмет дослідження - методи і алгоритми, які використовуються для створення таких систем персоналізації товарів. Для досягнення мети були поставленні такі задачі: - огляд предметної області та аналіз існуючих рішень, архітектур нейромереж; - розробка нових підходів на основі використання елементів глубокого навчання; - розробка програмного комплексу, який забезпечуватиме просте використання розроблених методів для вирішення задачі побудови системи рекомендацій. Програмний продукт реалізовано з використанням мови програмування Python який надає широкий спектр бібліотек для навчання нейронних мереж та аналізу даних. Результати апробовано на МНТК.