Кафедра математичних методів системного аналізу (ММСА)
Постійне посилання на фонд
Переглянути
Перегляд Кафедра математичних методів системного аналізу (ММСА) за Ключові слова "004.042"
Зараз показуємо 1 - 5 з 5
Результатів на сторінці
Налаштування сортування
Документ Відкритий доступ Застосування штучного інтелекту для розмиття обличчя у відеопотоці реального часу(2019) Мостовий, Дмитро Вікторович; Данилов, Валерій ЯковичМагістерська дисертація: 97 с., 33 рисунків, 22 табл., 29 джерел літератури, 2 додатки. Об’єкт дослідження: алгоритм автоматичного розпізнавання обличчя та розмиття. Предмет дослідження: розпізнавання обличчя на зображенні. Цілі дослідження: створення системи автоматичного розпізнавання обличчя та розмиття. Задачі роботи: розробити систему з використанням одного із сучасних методів розпізнавання обличчя, яка б могла в реальному часі у відео потоці розпізнавати обличчя людей та автоматично замилювати їх. Під час виконання роботи було проведено аналіз сучасних методів розпізнавання обличчя, був обраний метод з використанням нейронної мережі, а саме попередньо навчена модель FaceNet, як найбільш точна та швидка модель. Для роботи з потоковим відео було обрано бібліотеку OpenCV як найбільш гнучку та швидку бібліотеку для комп’ютерного зору. Була розроблена система для розпізнавання та розмиття облич у відео потоці, що виконує поставлену задачу. Актуальність проекту мотивується відсутністю аналогічних рішень і потенційною зацікавленістю з боку бізнесу. Результати роботи можуть бути використані як комерційними організаціями, так і ентузіастами, що прагнуть розробити щось подібне.Документ Відкритий доступ Методи машинного навчання для створення веб-сервісу рекомендацій страв у закладах харчування(КПІ ім. Ігоря Сікорського, 2021) Климчук, Ярослав Ігорович; Каніовська, Ірина ЮріївнаМагістерська дисертація: 151 с., 4ч., 50 рисунків, 23 табл., 31 джерел літератури, 1 додаток. Об’єкт дослідження – набір даних щодо зображень різних категорій страв. Предмет дослідження – методи машинного навчання для побудови рекомендаційних систем, методи глибинного нейронного навчання для мультикласової класифікації. Мета дослідження – розробка веб-сервісу, який на вхід від користувача буде отримувати зображення відповідної страви, а на виході буде видавати рекомендації закладів, у яких можна скуштувати максимально схожу за вхідним зображенням страву. Методи дослідження – методи трансферного та глибинного навчання, конволютивні нейронні мережі. Актуальність зумовлена практичною потребою для закладів ресторанного господарства постійно розширяти коло потенційних клієнтів та надійно і довготривало утримувати зв’язок із залученою аудиторією. Крім цього, нагальною потребою споживачів наразі є налаштування оптимізації часу, що витрачається на задоволення певного запиту – пошук відповідної страви серед численних закладів харчування. Розробка задуманого програмного продукту може задовольнити зазначені потреби, а отже буде користуватися попитом серед обраної цільової аудиторії. Результати дослідження – створення веб-сервісу, який дозволяє швидко обробити вхідне зображення відповідної страви і в результаті надати рекомендації закладів, у яких можна скуштувати максимально схожу страву.Документ Відкритий доступ Прогнозування відтоку користувачів за допомогою машинного навчання(КПІ ім. Ігоря Сікорського, 2021) Колдаєв, Дмитро Андрійович; Данилов, Валерій ЯковичМагістерська дисертація: 114 с., 25 рис., 27 табл., 1 додаток, 19 джерел. Дана робота присвячена дослідженню методів вирішення задачі виявлення відтоку користувачів Об’єктом дослідження є дані про відтік користувачів. Предметом дослідження є життєвий цикл і відтік клієнтів, системи управління бізнес-процесами, статистичні та графові методи розв’язання задачі виявлення відтоку, методи машинного навчання для їх прогнозування, нейронні мережі та статистичні критерії для оцінки адекватності моделей Метою дослідження є розробка системи виявлення відтоку користувачів Актуальність роботи полягає в підвищенні ціни втрати користувача на фоні глобалізації і необхідності розроблювати антикризові методи утримання користувачів Результатом роботи є аналітична система для виявлення потенційного відтоку користувачів. Новизною роботи являється вирішення задачі методами машинного навчання та нейронних мереж.Документ Відкритий доступ Система для відслідковування дій користувачів на веб-сторінках(2019) Пяткянен, Владислав Ігорович; Данилов, Валерій ЯковичМагістерська дисертація: 112 с., 7 рисунків, 12 табл., 23 джерел літератури, 2 додатки. Об’єкт дослідження: система для відслідковування дій користувачів на веб-сторінках. Предмет дослідження: дії користувачів на веб сторінках. Цілі дослідження: створення системи для спрощеного налаштування і інтеграції відслідковування дій користувачів на сайтах, та для аналізу дій. Задачі роботи: розробити систему яка б допомогла аналізувати поведінку користувачів на сайті для аналізу ефективності сайту та виявлення закономірностей залежності прибутку. Під час виконання роботи було проведено аналіз сучасних методів аналізу, були обрані технології та способи збору даних, збереження, агрегації та аналізу. Була розроблена система для збору даних на сайті, передачі додаткових параметрів про користувача, система для аналізу поведінки користувачів, аналізу залежності прибутку від дій розробників та маркетологів над сайтом.Документ Відкритий доступ Створення веб-сервісу на основі рекомендаційних систем для сфери туризму(КПІ ім. Ігоря Сікорського, 2021) Кочмар, Катерина Сергіївна; Каніовська, Ірина ЮріївнаМагістерська дисертація: 151 с., 4ч., 58 рисунків, 23 табл., 11 джерел літератури, 1 додаток. Об’єкт дослідження – дані щодо уподобань користувачів стосовно ресторанів, готелів та культурно-розважальних закладів з різних країн світу. Предмет дослідження – методи машинного навчання для побудови рекомендаційних систем. Мета дослідження – розробка сервісу, який буде здійснювати підбір найбільш релевантних варіантів організації відпустки відповідно до вподобань та потреб користувачів. Методи дослідження – методи машинного навчання, а саме: колаборативна фільтрація та контентно-орієнтовані рекомендаційні системи. Актуальність полягає у залученні технологічної підтримки для готелів, ресторанів та культурно-розважальних закладів задля того, аби створити індивідуалізовані сервісні продукти, які будуть затребуваними серед цільової аудиторії готельно-ресторанного бізнесу. Результати дослідження – було побудовано рекомендаційну систему, що складається з трьох моделей машинного навчання відповідно до кожного з напрямків дослідження. Крім цього, було реалізовано веб-сервіс, який дозволяє зручно використовувати побудовані моделі при комерційному застосуванні.