Бакалаврські роботи (ММСА)
Постійне посилання зібрання
Переглянути
Перегляд Бакалаврські роботи (ММСА) за Назва
Зараз показуємо 1 - 20 з 458
Результатів на сторінці
Налаштування сортування
Документ Відкритий доступ Piotroski F-Score модель та її застосування в інвестиційному та кредитному аналізі(КПІ ім. Ігоря Сікорського, 2021) Шаварська, Марія Юріївна; Стулей, Володимир АнатолійовичДокумент Відкритий доступ Автоматизована система для розробки стратегії просування у сфері інтернет-маркетингу(КПІ ім. Ігоря Сікорського, 2020-06) Терещенко, Антон Вячеславович; Древаль, Максим МихайловичДокумент Відкритий доступ Автоматизована система оцінювання та аналізу шахових позицій(КПІ ім. Ігоря Сікорського, 2019-06) Конопацька, Олександра Олегівна; Спекторський, Ігор ЯковичДокумент Відкритий доступ Автоматизований вибір прогнозуючих моделей у системах підтримки прийняття рішень(КПІ ім. Ігоря Сікорського, 2019-06) Муравійник, Єгор Андрійович; Бідюк, Петро ІвановичДокумент Відкритий доступ Автоматизований вибір прогнозуючих моделей у системі підтримки прийняття рішень(2023) Зорін, Олександр Андрійович; Левенчук, Людмила БорисівнаДана дипломна робота містить 105 с., 6 табл., 16 рис., 2 дод., 28 джерел. Програмний комплекс розроблений на мові програмування Python. Дана робота присвячена сфері оцінки якості моделей, а саме методам їх автоматизованого вибору у системі підтримки прийняття рішень. В якості тренувальних даних було обрано звіти щодо показників фондових індексів з Yahoo! Finance API. Об’єкт дослідження: тренування та розрахунок якості моделей та вибору найкращої з них. Мета дослідження: проектування, розробка та реалізація алгоритму оцінки якості прогнозів тренованих моделей та подальше їх порівняння для оцінки їх якості та побудови їх рейтингу, для подальшого застосування його у СППР. Головними особливостями даного продукту є наявність можливості вибору бажаного набору даних, а також оцінювання різних доступних для тренування моделей. Окрім того розроблена програма дозволяє завантажувати власні дані.Документ Відкритий доступ Адаптивний метод прийняття рішень для ринку цінних паперів на основі ефектуаційної концепції(КПІ ім. Ігоря Сікорського, 2019-06) Канцедал, Георгій Олегович; Каніовська, Ірина ЮріївнаДокумент Відкритий доступ Адаптивний механізм управління захищеністю для підтримки безпечної обробки даних у розподілених комп'ютерних системах(КПІ ім. Ігоря Сікорського, 2020-06) Найда, Андрій Олегович; Мухін, Вадим ЄвгенійовичДокумент Відкритий доступ Адаптивний механізм управління захищеністю для підтримки безпечної обробки даних у розподілених комп’ютерних системах(2023) Шевченко, Вячеслав Анатолійович; Яковлева, Алла ПетрівнаДипломна робота: 86 с. 15 рис., 6 табл., 2 додатки, 20 джерел. Об’єктом дослідження є адаптивні механізми захисту розподілених комп’ютерних систем. Предметом дослідження є проблема управління захищеністю даних. Мета роботи розробити адаптивний механізм, який забезпечує безпечну обробку даних у розподілених комп’ютерних системах шляхом адаптації захисних заходів. Головним аспектом є розробка та реалізація адаптивного механізму управління захищеністю для підтримки безпечної обробки даних у РКС. Проведення порівняльного аналізу засобів захисту, включаючи моделі та засоби, та дослідження адаптивного підходу до реалізації механізмів захисту. Подальшими дослідженнями можна вдосконалювати методи оцінки параметрів та захищеності даних з урахуванням всіх ризиків, аналізувати та запобігати проникнень в систему.Документ Відкритий доступ Адаптивні засоби захисту комп'ютерних систем на основі апарата нейронних мереж(КПІ ім. Ігоря Сікорського, 2020-06) Кунтиш, Олексій Сергійович; Мухін, Вадим ЄвгенійовичДокумент Відкритий доступ Адаптивні засоби захисту комп'ютерних систем на основі апарата нейронних мереж(2023) Петькун, Олександр Юрійович; Мухін, Вадим ЄвгеновичДипломна робота містить 107 сторінок, 14 рисунків, 8 таблиць, 2 додатки, 18 джерел. Об’єкт дослідження: адаптивні системи захисту комп’ютерних мереж. Мета роботи: проаналізувати існуючі моделі нейронних мереж та реалізувати деякі з них для адаптивного захисту комп’ютерних систем. Використані моделі: були використані моделі Персептрон та Автокодувальник. Отримані результати: була реалізована програма написана за допомогою мови програмування Python, котра приймає на вхід дані з датасету KDD Cup 1999 і дозволяє користувачу обрати модель нейронної мережі для навчання, а також задати вхідні гіперпараметри для обраної моделі. На виході, програма візуалізує графіки оцінок якості навченої моделі на тестовій вибірці, а також надає інформацію про оцінки якості моделі в текстовому форматі. В рамках подальшого дослідження можна комбінувати наявний датасет з іншими даними, пов’язанами із захищеністю комп’ютерної мережі, попередньо звівши дані до єдиного формату. Крім того, можна вдосконалювати наявні моделі шляхом додавання таких шарів як Dropout та BatchNormalization і прагнути отримання більш якісних та стабільних оцінок якості моделі на тестовій вибірці.Документ Відкритий доступ Адаптивні засоби захисту комп'ютерних систем на основі апарату нейронних мереж(КПІ ім. Ігоря Сікорського, 2021-06) Васильченко, Ілля Вячеславович; Яковлева, Алла ПетрівнаДокумент Відкритий доступ Адаптивні моделі прогнозування курсу валют(КПІ ім. Ігоря Сікорського, 2019-06) Пущик, Оксана Романівна; Каніовська, Ірина ЮріївнаДокумент Відкритий доступ Алгоритм видобутку інформації з неструктурованих текстових джерел(КПІ ім. Ігоря Сікорського, 2020-06) Баздирев, Антон Андрійович; Каніовська, Ірина ЮріївнаДокумент Відкритий доступ Алгоритм пошуку найвужчого класу Поста для заданої булевої функції(2023) Шабо, Олексій Андрійович; Спекторський, Ігор ЯковичДипломна робота: 142 c., 4 ч., 10 табл., 30 рис., 2 дод., 14 джерел. Тема дослідження: алгоритм пошуку найвужчого класу Поста для заданої булевої функції. Об’єкт дослідження: діаграма Поста. Мета дослідження: розробка алгоритму та програмного забезпечення, які дозволили б знаходити найвужчий клас Поста для заданої булевої функції, а також перевіряти її належність до п’яти передповних класів. Методи дослідження: формулювання проблеми, аналіз наукової та методичної літератури, розробка алгоритму, оцінка та тестування. Розроблено програмний продукт на мові програмування C#. На основні проведених у даній роботі досліджень узагальнено теоретичні аспекти та методи перевірки належності заданої булевої функції окремо для кожного класу Поста, а також запропоновано спосіб представлення діаграми Поста за допомогою засобів об’єктно-орієнтованого програмування, що в подальшому дозволило вирішити основну проблему даної роботи: сформулювати алгоритм пошуку найвужчого класу Поста. В рамках подальшого дослідження пропонується оптимізація роботи програмного продукту (ПП) в першу чергу внаслідок розробки алгоритмів з меншою складністю для перевірки належності заданої булевої функції до окремих класів; розширення функціоналу, як наприклад, додавання опції пошуку замикання множини функцій; покращення інтерфейсу та зручності використання ПП.Документ Відкритий доступ Альтернативні методи прогнозування макроекономічних процесів(КПІ ім. Ігоря Сікорського, 2021) Орел, Євгеній Владиславович; Бідюк, Петро ІвановичДокумент Відкритий доступ Аналіз вибору методу оцінки вартості опціону для прийняття ефективного рішення(КПІ ім. Ігоря Сікорського, 2020-06) Зубрійчук, Євгеній Олексійович; Каніовська, Ірина ЮріївнаДокумент Відкритий доступ Аналіз ефективності алгоритмів паралельних обчислень та їх реалізація(2023) Аношин, Андрій Юрійович; Коваленко, Анатолій ЄпіфановичДипломна робота: 130 с., 30 рис., 10 табл., 1 додаток та 16 джерел. АНАЛІЗ ЕФЕКТИВНОСТІ АЛГОРИТМІВ ПАРАЛЕЛЬНИХ ОБЧИСЛЕНЬ ТА ЇХ РЕАЛІЗАЦІЯ Дана робота присвячена дослідженню ефективності різних алгоритмів в умовах паралельного обчислення. Метою дипломної роботи є дослідження ефективності різних алгоритмів в умовах паралельного обчислення з метою виявлення найбільш ефективних з них. Крім того, робота має на меті встановити оптимальні параметри розподілення завдань між різними обчислювальними одиницями паралельної системи. Реалізація паралельних алгоритмів була виконана на мові програмування C з використанням бібліотеки OpenMP. Об'єктом дослідження є ефективність алгоритмів та процес розподілу завдань в умовах паралельного обчислення. Результати дослідження демонструють важливість вибору відповідних алгоритмів та оптимізації розподілу завдань для ефективних паралельних обчислень.Документ Відкритий доступ Аналіз мережевого трафіку(КПІ ім. Ігоря Сікорського, 2020-06) Авксентьєва, Іванна Олегівна; Кухарєв, Сергій ОлександровичДокумент Відкритий доступ Аналіз моделей і метод розрахунку оцінювання соціо - економічного розвитку регіонів України(КПІ ім. Ігоря Сікорського, 2019-06) Кейтельгіссер, Максим Михайлович; Заводник, Вячеслав ВладленовичДокумент Відкритий доступ Аналіз ризиків в задачах інформаційної безпеки за допомогою машинного навчання(2023) Бараніченко, Андрій Олександрович; Мухін, Вадим ЄвгеновичДипломна робота: 127 с., 28 рис., 8 табл., 2 додатки, 25 джерел. Об‘єктом дослідження є набір даних Malicious and Benign Websites, який містить інформацію про злоякісні та доброякісні веб-сторінки на основі їх прикладного рівня з мережевими характеристиками. Предметом дослідження є проблема управління ризиками та оцінки різних моделей класифікації. Мета роботи полягає в огляді теоретичних основ і порівняльного аналізу ризиків у задачах інформаційної безпеки, а також застосування штучних нейронних мереж, алгоритмів ансамблевого навчання для бінарної класифікації з ціллю розробки програмного продукту. У роботі було використано модель рекурентної нейронної мережі (RNN), мережу двонаправленої довгої короткочасної пам‘яті (BiLSTM), метод екстремального градієнтного бустінгу (XGBoost). Зростання кількості та складності кіберзагроз, а також залежність суспільства та бізнесу від інформаційних технологій, роблять безпеку інформації надзвичайно актуальною проблемою. Результатом даної роботи є побудований, за допомогою мови програмування Python, програмний продукт в основі, якого реалізовано моделі нейронних мереж та інших алгоритмів машинного навчання для класифікації типів веб-сторінок. Подальше дослідження полягає в інтеграції напрацювань у повноцінну систему забезпечення захисту інформації, моніторингу стану даної системи, підвищенні точності класифікації та оновленні моделей на шляху до виявлення нових загроз безпеці.