Кафедра математичних методів системного аналізу (ММСА)

Постійне посилання на фонд

https://ela.kpi.ua/handle/123456789/702

Переглянути

Перегляд Кафедра математичних методів системного аналізу (ММСА) за Ключові слова "004.4"

Зараз показуємо 1 - 3 з 3
  • Ескіз
    ДокументВідкритий доступ
    Мікросервісна архітектура у хмарній службі
    (КПІ ім. Ігоря Сікорського, 2022) Шахворостова, Влада Дмитрівна; Тимощук, Оксана Леонідівна
    Магістерська дисертація містить: 94 с., 14 табл., 35 рис., 1 додаток, 11 джерел. Обробка інформації – одна з найважливіших задач 21 століття, тож важливо мати інструменти та методи для спрощення цього завдання. Метою роботи є розробка програмного продукту, який буде взаємодіяти з великою кількістю інформації різного роду та обробляти її найшвидшим способом і найзручнішим методом. Об’єктом дослідження є структура даних вже існуючої платформи для якої розробляється програмний продукт у рамках роботи. Предмет дослідження є патерни проектування програмного забезпечення та перелік існуючих хмарні провайдери. У магістерській дисертації було наведено принцип побудови мікросервісної архітектури та її розгортання через хмарний провайдер. Вдалось проаналізувати підходи до проектування програмного забезпечення, а також перелік найпопулярніших хмарних сервісів. Крім того, у процесі роботи над проектом було виявлено переваги та недоліки кожного з підходів, а також плюси та мінуси кожного з наведених хмарних провайдерів. Програмною мовою було обрано Go. У ході виконання вдалось реалізувати програмний продукт, використавши патерн «Ланцюжок», у подальшому було проведене розгортання написаного сервісу на хмарній платформі Google Cloud.
  • Ескіз
    ДокументВідкритий доступ
    Система оцінювання кредитоспроможності позичальників з використанням методів інтелектуального аналізу даних
    (КПІ ім. Ігоря Сікорського, 2019-12) Карсунцева, Єлизавета Вадимівна; Кузнєцова, Наталія Володимирівна
    Магістерська дисертація: 96с., 30 рис., 30 табл., 2 додатки, 23 джерел. Актуальність теми: Кредитний ризик банківської установи як один з видів банківських ризиків є головним об'єктом уваги фінансово-кредитних установ. Кредитна політика банків має обов'язково враховувати ці ризики, запобігати їх виникненню та кваліфіковано ними управляти, тобто зводити до мінімуму можливі негативні наслідки проведення кредитних операцій. У зв’язку з нинішнім кризовим станом у банківській сфері постає нагальним застосування та розробка нових більш досконалих методів оцінювання кредитних ризиків і кредитоспроможності осіб. Мета даної роботи полягає у дослідженні та вдосконаленні існуючих методик побудови скорингових моделей та розробці системи підтримки прийняття рішень для оцінювання кредитоспроможності фізичних осіб з використанням методу логістичної регресії. Об’єкт дослідження: база даних з аплікаційними характеристиками клієнтів. Предмет дослідження: моделі і методи оцінювання кредитоспроможності позичальників. Методи дослідження: метод логістичної регресії, метод максимальної правдоподібності, метод градієнтного спуску. Програмний продукт реалізований за допомогою мови програмування С# у середовищі розробки Microsoft Visual Studio 2012. Для порівняльного аналізу отриманих результатів були побудовані моделі у вигляді дерев рішень і скорингової карти в системі SAS Enterprise Miner. Отримані результати: розроблено систему підтримки прийняття рішень для прогнозування кредитоспроможності фізичних осіб з використанням методу логістичної регресії та методу максимальної правдоподібності.
  • Ескіз
    ДокументВідкритий доступ
    Інтелектуальна система кластеризації помилок як складова автоматизації тестування
    (КПІ ім. Ігоря Сікорського, 2019-12) Глушко, Софія Михайлівна; Дідковська, Марина Віталіївна
    Магістерська дисертація: 125 с., 26 табл., 16 рис., 1 дод., 29 джерел. Об’єктом дослідження є інтелектуальний аналіз результатів тестування. Предметом дослідження є системи кластеризації помилок тестування. Мета роботи – розробити алгоритм для кластеризації результатів тестування, які представлені повідомленнями про помилки тестування. Методом дослідження є методи векторизації тексту та методи кластеризації даних. Магістерська дисертація складається із шести розділів. У першому розділі проаналізовано та формалізовано задачу кластеризації помилок тестування. У другому розділі розглядаються та аналізуються наявні підходи до векторизації текстів. У третьому розділі досліджуються та аналізуються існуючі підходи до кластеризації даних. Четвертий розділ описує алгоритм векторизації та кластеризації текстових повідомлень про помилки тестування, архітектуру розробленої програми. П’ятий розділ містить аналіз результатів роботи алгоритмів. У шостому розділі наведені опис, ідея та маркетингова стратегія стартап-проекту.