Магістерські роботи (ІПЗЕ)
Постійне посилання зібрання
У зібранні розміщено магістерські дисертації на здобуття ступеня магістра.
Переглянути
Перегляд Магістерські роботи (ІПЗЕ) за Ключові слова "API"
Зараз показуємо 1 - 2 з 2
Результатів на сторінці
Налаштування сортування
Документ Відкритий доступ Розробка веб-сервісу на основі мови запитів GraphQL(КПІ ім. Ігоря Сікорського, 2024) Галушко, Аліна Василівна; Шпурик, Вадим ВадимовичМагістерська дисертація за темою “Розробка веб-сервісу на основі мови запитів GraphQL” виконана студенткою кафедри інженерії програмного забезпечення в енергетиці НН ІАТЕ Галушко Аліною Василівною зі спеціальності 121 “Інженерія програмного забезпечення” за освітньо-професійною програмою “Інженерія програмного забезпечення інтелектуальних кібер-фізичних систем і веб-технологій” і складається зі: вступу; 5 розділів (“Опис предметної області. Постановка завдання”, “Аналіз літератури та огляд існуючих рішень”, “Програмні інструменти для вирішення поставленого завдання”, “Опис програмної реалізації” “Розробка стартап-проекту”), висновків до кожного з цих розділів; загальних висновків; списку використаних джерел, який налічує 20 джерел; 15 ілюстрацій; 20 таблиць та 3 додатки. Загальний обсяг роботи 94 сторінки. Актуальність теми. У веб-сервісах на основі звичайних технологічних рішень, таких як архітектура REST, виникають проблеми отримання кількості даних та запитів, адже дає клієнтам можливість отримати дані у заздалегідь визначеному форматі. Використання GraphQL у веб-сервісах дозволяє вирішити цю проблему, а також полегшити розвиток API та забезпечити потужні інструменти розробника. Мета роботи і завдання дослідження. Метою даного дослідження є веб-розробка повного циклу з використанням GraphQL та оцінка продуктивності, зручності та інтуїтивно зрозумілих переваг використання графової моделі даних протягом усієї розробки – від бази даних до API та в коді, що отримує та застосовує дані на клієнтській частині. Завдання наукового дослідження: - використання мови запитів GraphQL та її основні переваги для розробки API; - аналіз можливостей GraphQL в обраному технологічному рішенні; - дослідження застосування інструментів розробки GraphQL, React, Apollo, MongoDB; - створення веб-сервісу, проектування схеми GraphQL, реалізація логіки обробки запитів та забезпечення взаємодії з веб-клієнтами; - створення клієнтської частини. Об'єкт дослідження. Об’єктом дослідження є процес розробки повноцінного застосунку, використовуючи мову запитів GraphQL, для застосування його в освітніх цілях. Предмет дослідження. Предметом дослідження є створення програми повного циклу на основі GraphQL, що передбачає роботу з багаторівневою архітектурою, широко відомою як трьохрівневий застосунок, що складається із зовнішнього, клієнтського інтерфейсу, рівня API та NoSQL бази даних. Методи дослідження. Для вирішення поставлених задач і досягнення визначеної цілі використовувались основні методи на емпіричному рівні дослідження. Зокрема, використовувалися методи аналізу, синтезу, абстрагування, узагальнення. Порівняння використовувалося для зіставлення різних систем, орієнтованих на потреби користувача. Практичне значення одержаних результатів. Практичне значення полягає в написанні повноцінного застосунку та представленні переваг використання графової моделі даних протягом усієї розробки – від бази даних до API та в коді, що отримує та застосовує дані на клієнтській частині. Апробація результатів дисертації. Основні положення та висновки дослідження обговорювалися на засіданні кафедри Інженерії програмного забезпечення в енергетиці та висвітлювалися на І-шій Міжнародній науково-практичнїй конференції присвяченій 125-й річниці КПІ ім. Ігоря Сікорського «Сучасні аспекти інженерії програмного забезпечення».Документ Відкритий доступ Система автоматичного визначення фейкових новин в сучасному інформаційному просторі(КПІ ім. Сікорського, 2022) Кузьменчук, Дмитро Олександрович; Ходаковський, Олексій ВолодимировичМагістерська дисертація за темою “Система автоматичного визначення фейкових новин в сучасному інформаційному просторі” виконана студентом кафедри інженерії програмного забезпечення в енергетиці НН ІАТЕ Кузьменчуком Дмитром Олександровичем зі спеціальності 121 “Інженерія програмного забезпечення” за освітньо-професійною програмою “Інженерія програмного забезпечення інтелектуальних кібер-фізичних систем і веб-технологій” і складається зі: вступу; 5 розділів (“Постановка завдання побудови системи автоматичного визначення фейкових новин в сучасному інформаційному просторі”, “Дослідження існуючих методів для визначення фейкових новин”, “Апарат вирішення для поставленої задачі”, “Опис програмної системи” та “Розробка стартапу проєкта”), висновків до кожного з цих розділів; загальних висновків; списку використаних джерел, що налічує 17 джерел; 43 ілюстрацій та 2 додатків. Загальний̆ обсяг роботи 104 сторінки. Актуальність теми. Інформаційна безпека є дуже важливим аспектом сучасного життя при чому інформаційна безпека включає в себе не лише захист персональних даних від різного роду шахраїв, а й перевірку на достовірність інформації яку ми споживаємо чому і присвячена дана магістерська дисертація. Захист від фейкової інформації є особливо важливим оскільки вона може бути дуже шкідливою як для окремих людей так і для великих мас населення та спричинювати різні негативні явища. Основними цілями застосування фейкової інформації є маніпуляція суспільною думкою для здобуття переваги у виборах, поширення пропаганди для контролю населення, дискредитація окремих осіб, компаній чи державних урядів, розповсюдження паніки серед людей та створення напруги в суспільстві для дестабілізації становища в країні. З переліченого вище стає зрозумілим наскільки небезпечним та деструктивним може бу вплив фейкової інформації, а найяскравішим прикладом її використання є виправдання повномасштабної війни Росії проти України яка почалась 24 лютого цього року та гібридної війни яка тривала попередні 8 років починаючи з 2014 року. Оскільки фейкова інформація є дуже потужним інструментом для досягнення своїх цілей то скоріш за все її ніколи не перестануть використовувати і через це буде існувати постійна боротьба між двома сторонами: тою яка розповсюджує фейкову інформацію і тою що цьому протистоїть. Саме тому тема боротьби з фейковою інформацією завжди була, є та буде дуже актуальною темою. Мета роботи і завдання дослідження. Дослідження існуючих методів та програмних засобів які використовуються при роботі з людськими мовами для визначення намірів та сенсу який було вкладено в текст чи аудіо повідомлення та створення на їх основі власного методу. На основі отриманих теоретичних знань необхідно визначити переваги та недоліки існуючих методів, вибрати ті з них які найкраще підходять та за можливості вдосконалити їх. Після чого на основі отриманих алгоритмів слід спроектувати та розробити систему яку з легкістю зможуть використовувати як звичайні користувачі так і розробники для інтеграції з іншими системами. Об’єкт дослідження. Аналіз природних мов засобами штучного інтелекту. Предмет дослідження. Виявлення фейкових новин засобами штучного інтелекту. Методи дослідження. Для виконання поставлених задач використовувались наступні методи емпіричного дослідження: — Експеримент під час якого випробовувались різні методи машинного навчання для вирішення задачі визначення фейкових новин. — Вимірювання за допомогою якого визначалась точність роботи алгоритмів при виконання поставленої задачі. Також поряд з емпіричними методами дослідження використовувались загальнологічні методи дослідження такі як: — Аналіз який використовувався для виявлення впливу змін в налаштуваннях методів штучного інтелекту на отримуваний результат. — Порівняння яке використовувалось для визначення найбільш результативного методу з поміж інших. Практичне значення отриманих результатів. Розробка системи для автоматизованого визначення фейкових новин яку в подальшому можна буде інтегрувати з іншими системами для боротьби з розповсюдженням неправдивих новин у них. Таким чином розроблений програмний продукт повинен сприяти збільшенню рівня довіри до інформації в системах де його було використано. З іншого боку створені та удосконалені в ході виконання роботи алгоритми повинні давати розвиток обробці природніх мов, а саме розділу машинного навчання під назвою NLP (Natural language processing).