Бакалаврські роботи (ШІ)
Постійне посилання зібрання
У зібранні розміщено бакалаврські проекти (роботи) на здобуття ступеня бакалавра.
Переглянути
Перегляд Бакалаврські роботи (ШІ) за Ключові слова "artificial intelligence"
Зараз показуємо 1 - 20 з 31
Результатів на сторінці
Налаштування сортування
Документ Відкритий доступ Artificial Intelligence System for Trends Analysis in Allergenic Hazard and Allergen Spread in Kyiv City(Igor Sikorsky Kyiv Polytechnic Institute, 2024) Brovko, Danil Vitaliiovych; Baranovska, Lesia VeleriivnaBachelor’s thesis: 57 p., 20 figures, 2 tables, 31 references, 3 appendixes. The subject of the research is pollinosis development in the human body. The object of the study is to model the allergenic hazard of ragweed pollen in each district of Kyiv depending on weather conditions. The purpose of the work is to create an artificial intelligence system called “PolliWeather” to track and predict the allergenic hazard and allergen spread of ragweed pollen depending on weather conditions and the districts of Kyiv. The idea behind it is to inform people about the level of allergenic hazard in different city districts. The relevance of the research. System analysis can be used to study phenomena from various fields of science. And one of the most important ones is medicine. Hundreds of millions of people suffer from pollinosis. This disease manifests as acute rhinitis, bronchitis, conjunctivitis, and sometimes even bronchial asthma. Thus, helping people to fight pollinosis is highly relevant. This research is a continuation of the paper “Mathematical Model of the Trend of Allergenic Hazard and Allergen Spread in Kyiv City”, presented by the author Brovko D. V. at the contest of the Junior Academy of Sciences of Ukraine in 2020. The article “Artificial Intelligence System for Trends Analysis in Allergenic Hazard and Allergen Spread in Kyiv City” by Brovko D. V. and Baranovska L. V. has been accepted for publication in the “International Scientific Technical Journal “Problems of Control and Informatics”. The results show analysis and prediction of pollinosis development risk depending on the time of the day, season, and districts of Kyiv. With this information, people will be able to take measures in advance to avoid health problems.Документ Відкритий доступ Визначення автомобільних номерів на відео за допомогою згорткових нейронних мереж(КПІ ім. Ігоря Сікорського, 2024) Рожанський, Нікіта Богданович; Кот, Анатолій ТарасовичДипломна робота: 120 с., 39 рис., 26 табл., 26 посилань, 1 додаток. Об’єктом дослідження є вибірка зображень машин з різними номерними знаками. Предметом дослідження є методи та технології що використовуються при побудові моделей комп’ютерного зору для розпізнавання номерних знаків. Мета роботи – є розробка моделі для розпізнавання зображень номерних знаків за допомогою комп’ютерного зору та машинного навчання. Отримані результати: побудовано моделі машинного навчання, що повертають набір символів, написаних на номерних знаках машин на відео, навчені моделі, котрі надалі можна використовувати в сторонніх програмних продуктах. В рамках подальшого дослідження планується вдосконалити модель шляхом побудови більш якісних наборів даних, створити нову модель для розпізнавання номерних знаків для більшої кількості країн; розробка зручного додатку для практичного використання моделей.Документ Відкритий доступ Визначення позичальників кредитних установ за допомогою засобів штучного інтелекту(КПІ ім. Ігоря Сікорського, 2024) Гогуля, Нікіта Дмитрович; Шубенкова, Ірина АнатоліївнаДипломна робота: 103 с., 24 рис., 11 табл., 38 посилань, 1 додаток. Мета дослідження: розробка моделі машинного навчання для оцінки кредитоспроможності заявників, здатної прогнозувати ймовірність схвалення кредитних заявок на основі аналізу історичних даних. Об’єкт дослідження: процес оцінки кредитоспроможності заявників фінансовими установами. Предмет дослідження: використання методів машинного навчання для прогнозування кредитоспроможності заявників. Методи дослідження: заміна назв стовпчиків, обробка відсутніх значень середніми значеннями для числових даних і модою для категоріальних даних, нормалізація числових даних. Кодування категоріальних змінних методом One- Hot Encoding. Аналіз даних включав побудову гістограм, кореляційний аналіз та ROC-криві. В якості потенційних найкращих моделей розглядалися: логістична регресія, випадковий ліс, градієнтний бустинг (XGBoost) та багатошаровий перцептрон (MLP). Підбір гіперпараметрів за допомогою GridSearchCV. Результати: модель градієнтного бустингу (XGBoost) показала найкращий результат з AUC-ROC 0.91. Застосування системи дозволяє автоматизувати оцінку кредитоспроможності, підвищуючи точність та швидкість прийняття рішень, знижуючи ризики та покращуючи фінансові показники банків.Документ Відкритий доступ Використання машинного навчання для створення алгоритмів передбачення споживчого попиту і оптимізації запасів в роздрібних мережах(КПІ ім. Ігоря Сікорського, 2024) Ткаченко, Дарина Володимирівна; Жиров, Олександр ЛеонідовичДипломна робота: 81 с., 11 рис., 6 табл., 40 посилань, 1 додаток. Об'єктом дослідження є процеси прогнозування споживчого попиту на основі аналізу великих даних за допомогою нейронних мереж. Предметом дослідження є архітектури нейронних мереж та методи їх навчання, які застосовуються для аналізу та прогнозування споживчого попиту. Мета роботи полягає у розробці та дослідженні нейронної мережі для точного та надійного прогнозування споживчого попиту, що сприятиме покращенню аналітичних можливостей у сфері електронної комерції. В роботі розроблено та досліджено нейронну мережу для прогнозування споживчого попиту. Встановлено, що нейронна мережа має високу точність прогнозування, є надійним інструментом в електронній комерції для прийняття обґрунтованих рішень щодо ціноутворення. Проведено аналіз різних архітектур нейронних мереж, який показав глибокі нейронні мережі з конволюційними та рекурентними шарами, які найбільш ефективні для завдань прогнозування у динамічно змінюваних умовах ринку.Документ Відкритий доступ Використання методів штучного інтелекту для задач розпізнавання військових об'єктів на аерофотознімках(КПІ ім. Ігоря Сікорського, 2024) Дмитерчук, Віталій Олександрович; Тимошенко, Олександр ЮрійовичДипломна робота: 97 с., 30 рис., 6 табл., 18 посилань, 1 додаток. Об’єкт дослідження – методи автоматизованого розпізнавання та класифікації об’єктів на зображеннях. Предмет дослідження – моделі згорткових нейронних мереж для задач розпізнавання й класифікації військових об’єктів на аерофотознімках. Мета роботи – проаналізувати існуючі моделі згорткових нейронних мереж, порівняти їхню ефективність та застосувати отриману інформацію для розробки програми, що розпізнає та класифікує військові об’єкти на аерофотознімках. Актуальність цієї дипломної роботи зумовлена поширенням застосування безпілотних літальних апаратів для виконання задач бойової розвідки та високим практичним потенціалом застосування методів автоматичного розпізнавання військових об’єктів на отриманих таким чином даних. Це дозволить значно прискорити процес передачі інформації щодо розташування та дій сил ворога, що в свою чергу підвищить ефективність бойової роботи всіх родів військ. В результаті виконання роботи було проаналізовано структурні компоненти згорткових нейронних мереж та види моделей, що можуть бути використані для розпізнавання й класифікації об’єктів. Навчено й протестовано дві такі моделі та реалізовано програмне забезпечення для цієї задачі.Документ Відкритий доступ Використання методів штучного інтелекту для задач розпізнавання військових об'єктів на аерофотознімках(КПІ ім. Ігоря Сікорського, 2024) Лобанок, Ілля Леонідович; Тимошенко, Олександр ЮрійовичДипломна робота: 97 с., 30 рис., 6 табл., 18 посилань, 1 додаток. Об’єкт дослідження – методи автоматизованого розпізнавання та класифікації об’єктів на зображеннях. Предмет дослідження – моделі згорткових нейронних мереж для задач розпізнавання й класифікації військових об’єктів на аерофотознімках. Мета роботи – проаналізувати існуючі моделі згорткових нейронних мереж, порівняти їхню ефективність та застосувати отриману інформацію для розробки програми, що розпізнає та класифікує військові об’єкти на аерофотознімках. Актуальність цієї дипломної роботи зумовлена поширенням застосування безпілотних літальних апаратів для виконання задач бойової розвідки та високим практичним потенціалом застосування методів автоматичного розпізнавання військових об’єктів на отриманих таким чином даних. Це дозволить значно прискорити процес передачі інформації щодо розташування та дій сил ворога, що в свою чергу підвищить ефективність бойової роботи всіх родів військ. В результаті виконання роботи було проаналізовано структурні компоненти згорткових нейронних мереж та види моделей, що можуть бути використані для розпізнавання й класифікації об’єктів. Навчено й протестовано дві такі моделі та реалізовано програмне забезпечення для цієї задачі.Документ Відкритий доступ Дослідження методів машинного навчання в 3-х вимірних іграх(КПІ ім. Ігоря Сікорського, 2024) Скоропадський, Артем Олександрович; Кот, Анатолій ТарасовичОб’єкт дослідження – методи машинного навчання. Предмет дослідження – використання методів машинного навчання в тривимірних іграх. Мета дослідження – проаналізувати існуючі методи машинного навчання для тривимірних ігор і запропонувати практичне рішення із застосування машинного навчання у розробці тривимірного ігрового середовища. Актуальність роботи обумовлена зростаючим попитом на реалістичні та адаптивні віртуальні агенти у сучасних ігрових середовищах, а також останніми досягненнями у галузі машинного навчання і підвищенням обчислювальних здатностей комп'ютерних систем. Отримані результати: запропоноване рішення щодо використання глибинних нейронних мереж та інших алгоритмів машинного навчання для створення адаптивної навігаційної системи агентів у тривимірному ігровому середовищі на базі Unreal Engine 5. У рамках подальшого розвитку програмного продукту пропонується підвищувати ефективність навчання агентів та інтеграцію більш складних поведінкових моделей для покращення ігрового досвідув в додаток з новими технологіями по типу VR/AR.Документ Відкритий доступ Діагностика захворювання дерев методами комп'ютерного зору(2023) Колесник, Віктор Ярославович; Пишнограєв, Іван ОлександровичДипломна робота містить 76 сторінок текстової частини, 25 ілюстрацій, 5 таблиць, 1 додаток, 11 бібліографічних посилання. Об’єкт дослідження: вибірка листків яблунь з різним станом здоров’я. Мета дослідження: розглянути існуючі інструменти для розв’язку задачі комп’ютерного зору; сконструювати набір даних для відповідної задачі, на основі яких моделі навчаться розпізнавати прямі з зображення; конвертувати в додаток для практичної демонстрації роботи моделей. Використані моделі: фреймворк Keras, де будуються моделі згорткових нейронних мереж , фреймворк OpenCV, де будується модель опорних векторів. Отримані результати: побудовано моделі машинного навчання, що повертають клас зображення - стан здоров’я рослини, якій належить вказаний на фото листок; отримано моделі, котрі надалі можна використовувати в сторонніх програмних продуктах. В рамках подальшого дослідження планується вдосконалити модель шляхом побудови більш якісних наборів даних, створити нову модель для розпізнавання більшої кількості рослин та їх хвороб; розробка зручного додатку для практичного використання моделей.Документ Відкритий доступ Засоби штучного інтелекту розпізнавання пухлин мозку(КПІ ім. Ігоря Сікорського, 2024) Варган, Євген Олегович; Коваленко, Анатолій ЄпіфановичДипломна робота: 107 с., 30 рис., 11 табл., 15 посилань, 1 додаток. Об’єкт дослідження – вибірка зображень МРТ головного мозку з різними видами пухлин Предмет дослідження – методи та технології що використовуються при побудові моделей комп’ютерного зору для розпізнаванняпухлин мозку. Мета роботи – є розробка моделі для розпізнавання пухлин мозку за допомогою комп’ютерного зору та машинного навчання. Отримані результати: розглянуто засоби машинного навчання, що повертають зображення з передбаченнями – зображення головного з виділеними областями потенційних пухлин з вилом пухлини; навчені моделі, котрі надалі можна використовувати в сторонніх програмних продуктах. В рамках подальшого дослідження планується вдосконалити модель шляхом побудови більш якісних наборів даних, створити нову модель для розпізнавання пухлин більшої різновидності,впровадження широкого збору медичних даних для більш точного прогнозу та створення напряму лікування; розробка зручного додатку для практичного використання моделей.Документ Відкритий доступ Застосування методів та підходів штучного інтелекту для стиснення зображень(КПІ ім. Ігоря Сікорського, 2024) Дубик, Наталія Анатоліївна; Гуськова, Віра ГеннадіївнаДипломна робота: 88 с., 17 рис., 6 табл., 20 посилань, 1 додаток. Об’єкт дослідження – стиснення зображень із використанням згорткових нейронних мереж. Предмет дослідження – методи і підходи штучного інтелекту, що застосовують для стиснення і відтворення зображень. Мета роботи – створити простий програмний продукт для стиснення зображень і відображення їх після стиснення із використанням нейронних мереж.Документ Відкритий доступ Класифікація причин походження тромбів при ішемічному інсульті з використанням методів штучного інтелекту(КПІ ім. Ігоря Сікорського, 2024) Болюченко, Ніна Олександрівна; Пишнограєв, Іван ОлександровичДипломна робота: 88 с., 13 рис., 6 табл., 59 посилань, 2 додатки. Об’єкт дослідження – причини утворення тромбів при ішемічному інсульті. Предмет дослідження – методи та техніки штучного інтелекту для класифікації причин утворення тромбів при ішемічному інсульті. Мета роботи – розробка та впровадження методів штучного інтелекту для класифікації причин утворення тромбів при ішемічному інсульті з метою покращення точності діагностики та ефективності лікування. У дипломній роботі детально розглядаються різноманітні методології для класифікації причин утворення тромбів, включаючи традиційні статистичні техніки, а також сучасні алгоритми, що базуються на машинному та глибокому навчанні. Особливу увагу приділено використанню нейронних мереж, які забезпечують ефективну обробку об'ємних даних і здатні виявляти складні і непрості зразки у поведінці пацієнтів з ішемічним інсультом. У роботі проведено аналіз, як різні зовнішні та внутрішні фактори впливають на точність і надійність використовуваних систем. Також визначено, які конкретні параметри можуть спотворювати результати аналізу, і на основі цього розроблено ряд рекомендацій. Ці рекомендації мають на меті оптимізувати процеси класифікації причин утворення тромбів, що дозволить забезпечити більшу точність діагностики та мінімізувати помилкові позитиви. Викладені методи і підходи сприяють зростанню ефективності діагностики та підвищують загальну надійність аналітичних систем у медицині.Документ Відкритий доступ Класифікація та розпізнавання дефектів дорожнього покриття з використанням нейронних мереж(КПІ ім. Ігоря Сікорського, 2024) Корнійчук, Сергій Юрійович; Тимошенко, Юрій ОлександровичДипломна робота: 82 с., 33 рис., 6 табл., 18 посилань, 1 додаток. Об’єкт дослідження – нейронні мережі для розпізнавання та класифікації. Предмет дослідження – згорткові нейронні мережі для виявлення та класифікації пошкоджень дорожнього покриття. Мета роботи – отримати знання у сфері комп’ютерного зору про можливі рішення задач класифікації та розпізнавання. Застосувати отримані знання для розробки програми, що розпізнає та класифікує пошкодження на зображенні дорожнього покриття. Актуальність цієї теми дипломної роботи обумовлена великим практичним потенціалом автоматизації розпізнавання та класифікації дефектів дорожнього полотна, особливо в умовах обмежених ресурсів під час війни. Це дозволяє ефективніше розподіляти ресурси, забезпечує оперативне виявлення проблемних ділянок і знижує ризики ДТП. Така система може стати важливим інструментом для підтримки інфраструктури та безпеки на дорогах. В результаті роботи було проаналізовано види моделей, що розпізнають об’єкти, навчено та протестовано модель , а також реалізовано програмне забезпечення для цієї задачі.Документ Відкритий доступ Методи штучного інтелекту в задачах інформаційної безпеки(КПІ ім. Ігоря Сікорського, 2024) Москаленко, Максим Геннадійович; Коваленко, Анатолій ЄпіфановичДипломна робота: 84 с., 16 рис., 6 табл., 37 посилань, 2 додатки. Об’єкт дослідження – методи штучного інтелекту. Предмет дослідження – використання штучного інтелекту для захисту даних. Мета дослідження – проаналізувати існуючі методи штучного інтелекту для захисту даних. Запропонувати практичне рішення з застосування штучного інтелекту у прикладній задачі захисту даних. Актуальність роботи обумовлена зростаючою складністю інформаційного простору, та складністю інформаційних атак, а також останніми досягненнями у галузі штучного інтелекту та збільшенні обчислювальних здатностей компʼютерних систем. Отримані результати: запропоноване рішення щодо використання глибинних нейронних мереж та систем-експертів для створення системи реагування на мережеві вторгнення, а саме DoS атаки. У рамках подальшого розвиту програмного продукту пропонується підвищувати точність розпізнавання мережевих втручань, а також додавання нових правил для системи-експерта з метою більш якісної протидії мережевим втручанням.Документ Відкритий доступ Методи штучного інтелекту для гри в Heads-Up Poker(КПІ ім. Ігоря Сікорського, 2024) Никоненко, Олег Олексійович; Коваленко, Анатолій ЄпіфановичДипломна робота: 81 с., 36 рис., 6 табл., 7 посилань, 1 додаток. Об’єкт дослідження – вибірка зображень покерних карт з різними рангами та мастями Предмет дослідження – методи та технології що використовуються при побудові моделей комп’ютерного зору для розпізнавання покерних карт. Мета роботи – розробка моделі для розпізнавання зображень покерних карт за допомогою комп’ютерного зору та машинного навчання. Отримані результати: побудовано моделі машинного навчання, що повертають зображення з передбаченнями – зображення покерних карт зі 52 карткової колоди з виділеними областями потенційних карт з мастями та рангами; навчені моделі, котрі надалі можна використовувати в сторонніх програмних продуктах. В рамках подальшого дослідження планується вдосконалити модель шляхом побудови більш якісних наборів даних, створити нову модель для розпізнавання карт для більшої кількості різновидів покеру з іншими колодами; розробка зручного додатку для практичного використання моделей та аналіз комбінації.Документ Відкритий доступ Методи штучного інтелекту синхронізації процесів комп’ютерних систем(КПІ ім. Ігоря Сікорського, 2024) Гринчишин, Данило Богданович; Коваленко, Анатолій ЄпіфановичДипломна робота: 114 с., 16 рис., 5 табл., 7 посилань, 2 додаток. Об’єкт дослідження – процеси та потоки в операційних системах, методи штучного інтелекту для модернізації алгоритмів синхронізації. Предмет дослідження – модель процесу, потоку та паралелізму в операційній системі, проблеми синхронізації, синхронізації процесів та потоків, моделі штучного інтелекту для їх вирішення. Мета роботи – дослідження існуючих алгоритмів синхронізації процесів в комп’ютерних системах та розробка нових підходів з використанням методів штучного інтелекту для оптимізації синхронізації процесів. Актуальність роботи полягає у необхідності наявності надійних та адаптивних методів синхронізації при зростаючій кількості паралелізму в сучасних системах. У даній роботі було реалізовано модернізований адаптивний алгоритм м’ютексу з врахуванням змінної пріоритетності процесів в системах на основі паралелізму.Документ Відкритий доступ Напівкерований граничний бустинг(2023) Вітковський, Данило Олександрович; Синєглазов, Віктор МихайловичДипломна робота: 92 сторінки, 33 рисунки, 13 таблиць, 1 додаток, 17 джерел. Об’єкт дослідження – напівкерований граничний бустинг. Під час створення систем підтримки прийняття рішень, нейронних мереж та інших систем машинного навчання, виникає проблема збору та правильної класифікації тренувальних даних. Залежно від типу даних, процес класифікації може бути складним, повільним або вартісним. Наприклад, класифікація медичних знімків вимагає глибокої медичної експертизи і значних ресурсів часу. Існує ризик помилкової класифікації, що вносить шум у тренувальні дані. З метою вирішення цих викликів, були розроблені алгоритми напів- керованого навчання, що потребують меншого обсягу відмічених даних та здатні використовувати невідмічені дані. Одним з таких алгоритмів є напівкерований граничний бустинг, який дозволяє покращувати точність моделі бінарної класифікації через ітеративне навчання, використовуючи відмічені та невідмічені дані. Це дозволяє зекономити на попередній класифікації навчальних даних, не втрачаючи при цьому якості моделі. Мета роботи – розробити покращення існуючих підходів до реалізації алгоритму напівкерованого граничного бустингу. Практичне значення роботи полягає в отриманні високоефективного алгоритму для класифікації даних при невеликій кількості міток.Документ Відкритий доступ Обробка медичних зображень органів людини та класифікація ракових пухлин в задачах експрес-діагностики(КПІ ім. Ігоря Сікорського, 2024) Копцов, Віталій Олегович; Зайченко, Юрій ПетровичДипломна робота: 132 с., 32 рис., 6 табл., 39 посилань, 1 додаток. Об’єкт дослідження – комп'ютерні томографічні (КТ) зображення легенів для діагностики раку легенів. Предмет дослідження – згорткові нейронні мережі та методи глибокого навчання для автоматизованого виявлення та класифікації ракових пухлин на КТ-зображеннях легенів. Мета роботи – розробити систему штучного інтелекту, здатну автоматично виявляти ракові пухлини на комп'ютерних томограмах легенів із високою точністю, для полегшення роботи медичного персоналу та підвищення ефективності діагностики раку легенів на ранніх стадіях.Документ Відкритий доступ Оптимізація кольорової палітри зображень з використанням методів глибокого навчання(КПІ ім. Ігоря Сікорського, 2024) Погуляка, Богдан Олександрович; Шубенкова, Ірина АнатоліївнаДипломна робота: 144 сторінки, 40 рисунків, 8 таблиць, 32 посилання, 1 додаток. Об'єкт дослідження – цифрові зображення. Предмет дослідження – оптимізація кольорової палітри цифрових зображень з використанням методів глибокого навчання. У сучасному світі цифрові зображення відіграють важливу роль у багатьох сферах, включаючи соціальні мережі, електронну комерцію, мультимедіа та наукові дослідження. З постійним зростанням кількості та розміру зображень, ефективне представлення та стиснення візуальної інформації стає все більш важливим завданням. Однією з ключових задач є розробка алгоритмів та програмного забезпечення, здатних створювати оптимальну кольорову палітру для зображень, яка зберігає важливі візуальні деталі та мінімізує артефакти квантизації. Важливість цієї технології особливо зростає в умовах обмежених ресурсів зберігання та передачі даних, де ефективне стиснення зображень може значно покращити продуктивність систем та якість користувацького досвіду. Існуючі алгоритми квантизації кольорів мають ряд обмежень. Вони часто призводять до втрати важливих колірних деталей, особливо в зображеннях з плавними градієнтами та великою кількістю унікальних кольорів. Крім того, ці алгоритми не завжди адаптуються до специфіки конкретних зображень і можуть створювати помітні візуальні артефакти при значному зменшенні кількості кольорів у палітрі. Мета цієї роботи полягає в розробці та дослідженні ефективних методів оптимізації кольорової палітри зображень з використанням алгоритмів глибокого навчання для покращення якості квантизації кольорів та мінімізації візуальних артефактів.Документ Відкритий доступ Перенесення стилів зображень з використанням згорткових нейронних мереж(2023) Бурневська, Мар'яна Федорівна; Гуськова, Віра ГеннадіївнаДипломна робота: 89 сторінок, 44 рисунки, 6 таблиць, 1 додаток, 20 джерел. Об’єкт дослідження – перенесення стилів зображень з використанням згорткових нейронних мереж. В еру інтернету практично кожна людина веде ті чи інші соціальні мережі від Інстаграму до Редіту, що часто включає завантаження особистих фото- та відеоматеріалів на сторінку. Безліч користувачів, включаючи фотографів, художників та дизайнерів, прагнуть вести естетичні сторінки в індивідуальному стилі, тому вони застосовують до своїх медіа файлів художню обробку, за допомогою фото- та відеоредакторів. Розвиток штучного інтелекту, зокрема згорткових нейронних мереж дозволив підняти сферу обробки зображень на новий рівень. Технологія перенесення нейронних стилів, що досліджується в роботі, дозволяє перенести деякі стильові особливості з одного зображення на вміст іншого. Це відкриває можливості для швидкої обробки набору різних зображень в одному стилі. Мета роботи – створити простий і гнучкий програмний продукт для перенесення стилів зображень, який дозволить легко обробляти різні зображення у потрібному стилі. Практичне значення роботи полягає в автоматизації процесу обробки зображень для полегшення та пришвидшення роботи з редакторами. Наукова новизна отриманих результатів полягає в використанні технології передачі нейронних стилів для перенесення кольорової гами в художній обробці зображень.Документ Відкритий доступ Прогнозування ціни вживаних автомобілів на основі їх характеристик з використанням алгоритмів машинного навчання(2023) Коваль, Павло Сергійович; Барановська, Леся ВалеріївнаДипломна робота: 120 с., 5 табл., 56 рис., 1 додаток, 18 джерел. Об’єкт дослідження – прогнозування ціни вживаних автомобілів на основі їх характеристик. Предмет дослідження – методи штучного інтелекту, які використовуються для задач прогнозування ціни автомобілів. Мета роботи – проаналізувати предмет дослідження, розробити програмний продукт за допомогою методів штучного інтелекту для визначення ціни автомобіля. Методи дослідження – методи штучного інтелекту: алгоритми машинного навчання, а саме лінійна регресія та випадковий ліс. Актуальність – задача розробки нової системи для покращення процесу оцінки ціни автомобіля. Зменшення витрат на помилкові рішення. Оптимізація роботи автосалонів за рахунок оперативності при оцінці вартості автомобілів. Результати роботи – створено програмний продукт, який використовує методи штучного інтелекту, які можуть бути використані для прогнозування ціни автомобілів. Шляхи подальшого розвитку предмету дослідження – використання більшого набору даних з залученням ринку вживаних автомобілів України, США та Європи. Створення повноцінного графічного інтерфейсу для спрощення роботи користувача з програмою, побудова складнішої та більш точної системи для прогнозування ціни автомобілів.