Кафедра програмного забезпечення комп’ютерних систем (ПЗКС)

Постійне посилання на фонд

https://ela.kpi.ua/handle/123456789/1494

Переглянути

Перегляд Кафедра програмного забезпечення комп’ютерних систем (ПЗКС) за Ключові слова "004.413"

Зараз показуємо 1 - 3 з 3
  • Ескіз
    ДокументВідкритий доступ
    Методи оптимізації зберігання та обробки даних вебзастосунків
    (КПІ ім. Ігоря Сікорського, 2022) Бурчак, Павло Володимирович; Олещенко, Любов Михайлівна
    Дана магістерська дисертація присвячена аналізу методів керування станом вебзастосунку та реалізації оптимізованого методу для керування станом вебзастосунку на базі проведеного дослідження. В дисертації проаналізовано існуючі методи керування станом вебзастосунку, визначені їх переваги, недоліки та призначення. Для детального порівняння методів на предмет швидкодії та складності коду було розроблене програмне забезпечення. Таке програмне забезпечення дозволяє заміряти час роботи методів при виконанні різного роду операцій. Використовуючи дане програмне забезпечення, було виконане порівняння існуючих рішень, та зроблено висновок про ефективність кожного з них і різних ситуаціях. Програмний код методів, що був використаний для оцінки швидкодії, був використаний у якості тестового, для оцінки складності коду. Проведене дослідження виявило певні недоліки в існуючих методах, що були визначені, як задачі на оптимізацію, під час розробки власного методу. Використовуючи результати дослідження, у даній магістерській дисертації розроблено оптимізований метод для керування станом вебзастосунків. Основними положеннями методу є атомарний підхід до стану та обгортка застосунку за допомогою контекста, для передачі даних у всі компоненти застосунку. Даний метод був проаналізований на предмет швидкодії та складності коду та порівняний з аналогами. За результатами порівняння був зроблений висновок про ефективність оптимізованого методу у порівнянні з аналогами.
  • Ескіз
    ДокументВідкритий доступ
    Програмний метод створення рекомендаційної системи з використанням метаевристичних методів оптимізації
    (КПІ ім. Ігоря Сікорського, 2022) Вернік, Михайло Олексійович; Олещенко, Любов Михайлівна
    На сьогодні більшість сервісів мережі Інтернет побудовані з використанням надання рекомендацій користувачеві – рекомендацій товару (e- commerce), фільмів (Netflix), мобільних додатків (App Store, Play Market), коду (GithubCopilot). Ціль кожного із рішень визначається, насамперед, бізнесом, які, у свою чергу, визначаються потребами користувача. Наявні програмні рішення використовують класичні методи оптимізації нейронних мереж для побудови рекомендаційних систем. У даній роботі запропоновано новий метод створення рекомендаційної системи для рекреаційної сфери із використанням методів метаевристичної оптимізації, з реалізацією її в мобільному застосунку “Entertainment Planner”. Запропонований метод використовує за основу нейро-колабортивний фільтр з методами метаевристичної оптимізації (MOA), що забезпечує швидку збіжність та знаходження виходу з локальних пасток функції, завдяки чому отримано результат покращення точності вибору користувачем подій на 6-8% при використанні повного сету алгоритмів MOA у порівнянні з наявними методами. Для реалізації запропонованого програмного методу розроблено мобільний застосунок з використанням технологій Flutter, Firebase API, REST API з реалізацією програмного продукуту в Google Play та App Store. Для реалізації нейронної мережі створення психологічного портрету користувача використано технології Python, TensorFlow, PyTorch.
  • Ескіз
    ДокументВідкритий доступ
    Спосіб та програмне забезпечення для підбору вакансій з використанням технологій машинного навчання
    (КПІ ім. Ігоря Сікорського, 2022) Вовченко, Дмитро Сергійович; Олещенко, Любов Михайлівна
    На сьогодні майже кожен стикається з проблемами при пошуку роботи. Найголовнішою з них можна по праву вважати сам процес вибору. Кількість оголошень з кожним роком тільки зростає і тому знайти серед них підходящу стає все складніше. Допомогти в цій ситуації може звичайна система класифікації тексту. Наявні програмні рішення зазвичай використовують для класифікації один з багатьох методів машинного навчання. Однак, базові методи мають ряд недоліків, серед яких втрата точності при роботі з незбалансованими даними та страти часу на генерації ознак в цих даних. У даній роботі запропоновано модифікований метод машинного навчання для класифікації текстової інформації при підборі вакансій. Запропонований спосіб відрізняється від базового використанням підходів Downsampling, Upweighting, а також Feature generation, завдяки чому було збільшено відсоток правильно класифікованих даних для підбору вакансій на 2-4%. Для реалізації запропонованого у магістерській дисертації способу реалізовано програмне забезпечення з використанням технологій Python, Pandas, Scikit, Tkinter для класифікації текстової інформації при підборі вакансій.