Магістерські роботи (ШІ)
Постійне посилання зібрання
У зібранні розміщено магістерські дисертації на здобуття ступеня магістра.
Переглянути
Перегляд Магістерські роботи (ШІ) за Назва
Зараз показуємо 1 - 20 з 51
Результатів на сторінці
Налаштування сортування
Документ Відкритий доступ Агентна архітектура механізмів консенсусу в блокчейні(КПІ ім. Ігоря Сікорського, 2022) Лисов, Богдан Сергійович; Тимощук, Оксана ЛеонідівнаМагістерська дисертація: 100 с., 25 табл., 16 рис., 15 джерел, 1 додаток. Об’єкт дослідження — транзакції блокчейну в залежності від механізму консенсусу. Предмет дослідження — застосування методів штучного інтелекту та інтелектуальних агентів для підбору параметрів мережі блокчейн. Мета роботи — розробка агентної архітектури для аналізу блокчейну Ethereum, роботи його транзакційного механізму в умовах обраного механізму консенсусу та порівняння цих механізмів у вигляді зібраних метрик часу проходження транзакції, кількості витрачених ресурсів та безпечності концепту. В роботі проведено огляд різних механізмів консенсусу блокчейну в залежності від підібраних параметрів мережі за допомогою інтелектуальних агентів. Розглянуті сучасні методи штучного інтелекту в агентних архітектурах та їх роль у дослідженні світу криптовалют, і, в свою чергу, впливу криптовалют на довколишнє середовище. Зібрано дані ефективності використання наборів протоколів, стимулів та ідей, які дозволяють мережі вузлів погоджувати стан блокчейну в залежності від налаштування мережі, що дозволяє оцінити доцільність використання того чи іншого механізму консенсусу. Застосовано штучний інтелект для проведення збору та аналізу метрик часу проведення транзакцій, їх стійкості до зламу, кількості використаних обчислювальних ресурсів і відповідно кількості витраченої електроенергії.Документ Відкритий доступ Алгоритми сортування з використанням нейронних мереж(КПІ ім. Ігоря Сікорського, 2022-12) Павлюк, Віра; Подколзін, Гліб БорисовичДипломна робота містить 92 с., 19 рис., 8 табл., 1 додаток, 30 джерел. Об’єкт дослідження: одновимірні масиви різної довжини, що містять цілі числа. Мета дослідження: аналіз доцільності та спроможності використання нейронних мереж у задачі сортування даних. Використані моделі: кодери-декодери послідовність-до-послідовності та мережа вказівників, класичні алгоритми сортування. Отриманні результати: виявлено, що мережа вказівників краще впоралась з задачею сортування, ніж послідовність-до-послідовності. Запропонована модифікація механізму уваги для мережі вказівників, який покращує результати роботи моделі. В рамках подальшого дослідження пропонується підвищувати точність моделі, проводити додаткові експерименти з метою мінімізації часу сортування та безпосереднього навчання моделі.Документ Відкритий доступ Аналіз наукових статей за допомогою методів штучного інтелекту(КПІ ім. Ігоря Сікорського, 2024) Овчаренко, Олександр Сергійович; Шаповал, Наталія ВіталіївнаМагістерська дисертація: 88 с., 16 табл., 24 рис., 20 посилань, 1 додаток Мета дослідження полягає у аналізі сучасних тенденцій в класифікації наукових статей за допомогою штучного інтелекту; вирішенні задачі класифікації наукових статей та знаходження найкращого набору параметрів для графових нейронних мереж. Об’єкт дослідження: набір дата сетів Planetoid, а саме Cora та Citeseer. Предмет дослідження: методи класифікації наукових статей, методи машинного навчання для вирішення задач класифікації наукових статей, графові нейронні мережі та їх модифікації для задачі класифікації наукових статей на основі відкритих даних. Наукова новизна: знайдені оптимальні набори обраних початкових параметрів для графових нейронних мереж для їх використання в подальших моделях, що класифікують наукові статті. У межах подальшого дослідження пропонується розширити кількість моделей для класифікації та додавання нових метрик оцінювання точності класифікації наукових статей. Основні положення дослідження доповідались на конференції.Документ Відкритий доступ Великі мовні моделі в розробці текстових ігор(КПІ ім. Ігоря Сікорського, 2024) Підвальна, Анна Юріївна; Шаповал, Наталія ВіталіївнаОб’єкт дослідження: набір фактів, питань та відповідей для текстових ігор. Предмет дослідження: великі мовні моделі, їх можливості та перспективи у розробці текстових ігор. Мета дослідження: створення моделі, яка здатна генерувати питання для гри або формулювати їх на основі запропонованих фактів для автоматизації написання вмісту інтелектуальних ігор. У ході роботи досліджено можливість великих мовних моделей допомогти в автоматизації написання вмісту текстових ігор, також було розглянуто проблему галюцинацій і методи їх подолання. У результаті побудовано алгоритм, що зменшує проблему галюцинацій, здатен генерувати питання, відповідь, пояснення та джерело для інтелектуальних ігор випадковим чином на задану тему або факт, використовуючи при цьому цікаві формулювання і логіку. Також було досліджено вплив розміру датасету на адекватність алгоритму, що був розроблений.Документ Відкритий доступ Визначення емоційного забарвлення голосу за допомогою технік Deep Learning у реальному часі(КПІ ім. Ігоря Сікорського, 2022) Загарницький, Дмитро Валерійович; Шаповал, Наталія ВіталіївнаРобота об’ємом 88 сторінок, яка містить 18 рисунків, 10 таблиць, 22 джерела за переліком посилань та 3 додатки. Метою даної роботи є дослідження сучасних методів визначення емоційного забарвлення голосу та створення моделі для його аналізу у реальному часі. Об’єкт дослідження - аудіозаписи голосів. Предмет дослідження - моделі машинного навчання для визначення емоційного забарвлення голосу у реальному часі. Результатом виконання роботи став детальний аналіз роботи чотирьох моделей глибоко навчання, навчених на даних різної якості. Також було створено програмне забезпечення, яке у реальному часі аналізує емоційне забарвлення голосу, використовуючи одну з натренованих моделей. Ключові слова: Artificial Neural Network, Learning rate, SER, LVA, RNN, LSTM, GRU, CNN, Частота дискретизації, Смуга пропускання, Компандування.Документ Відкритий доступ Визначення маркетингових параметрів для побудови моделі прогнозування попиту за допомогою нейронних мереж(КПІ ім. Ігоря Сікорського, 2024) Новіков, Михайло Сергійович; Синєглазов, Віктор МихайловичМагістерська дисертація – 58 с., 8 рис., 12 табл., 29 посилань, додаток. Актуальність теми. У роботі розглянуто проблему в області моделювання попиту товару на ринку в маркетингу за допомогою методів штучного інтелекту та машинного навчання. Показано основні особливості існуючих підходів до побудови моделей товарів на ринку, їх переваги та недоліки. Виявлено потребу у їх вдосконаленні. Представлено нову методологію для розвʼязання задачі. Мета дослідження. Основною метою є знаходження маркетингових параметрів для побудови моделі прогнозування попиту за допомогою нейронних мереж з використанням реальних даних. Об’єкт дослідження: маркетингові дані про товари. Предмет дослідження: нейронна мережа, маркетингові параметри. Методи дослідження: багатошаровий перцептрон, лінійна регресія. Наукова новизна результатів магістерської дисертації полягає в тому, що спроектовано та реалізовано методологію визначення маркетингових параметрів явного рівняння моделі товару на ринку за допомогою його апроксимації нейронною мережею на реальних даних. Практичне значення отриманих результатів полягає в тому, що реалізовані запропонований метод визначення маркетингових параметрів явного рівняння. Продемонстрована здатність моделі гарно прогнозувати споживчий попит на основі різноманітних маркетингових параметрів, що допомагає підприємствам ефективніше планувати запаси, виробництво та персонал. Це може призвести до значної економії коштів і підвищення ефективності.Документ Відкритий доступ Визначення приналежності людини до певної раси з використанням штучного інтелекту(КПІ ім. Ігоря Сікорського, 2022) Павловський, Євген Андрійович; Шубенкова, Ірина Анатоліївна,Магістерська дисертація: 71 с., 26 табл., 22 рис., 13 джерел, 1 додаток. Об’єктом дослідження є задача визначення раси людини по фото. Предмет дослідження – авторегресійні моделі, рекурентна нейронна мережа довгої короткострокової пам’яті та нейронна мережа, побудована на механізмі уваги, моделі штучного інтелекту. Мета дослідження полягає у аналізі фото данних, підборі моделей для прогнозування, реалізації методів прогнозування на основі механізмів штучного інтелекту та вибір найкращого методу. Як результат дослідження було запропоновано та розроблено модель прогнозування даних, що використовує механізми штучного інтелекту, як авторегресійні моделі, нейронні мережі довгої короткострокової пам'яті та модель на основі механізму уваги. Проведено порівняння побудованих моделей та вибрано найкращу за метриками Loss та f1. Результат даної роботи можна застосувати при вирішенні подібних задач короткострокового прогнозування нестаціонарних часових рядів.Документ Відкритий доступ Встановлення відповідності зображення і мовного опису за допомогою глибинного навчання(КПІ ім. Ігоря Сікорського, 2024) Крижанівська, Олена Володимирівна; Шаповал, Наталія ВіталіївнаМагістерська дисертація: 86 с., 17 табл., 19 рис., 28 посилань, 1 додаток. Об’єкт дослідження – вибірка даних, пари зображень та текстових описів до них. Предмет дослідження – нейронна мережа, завдання якої встановлювати відповідність між мовним описом та зображеннями. Мета дослідження – запропонувати модель, що з високою точністю встановлюватиме відповідність між описом та зображенням. У сучасній інформаційній ері, коли обсяги доступної інформації надзвичайно великі, виникає необхідність розробки та вдосконалення методів автоматичної обробки текстової і графічної інформації. Однією з актуальних задач є встановлення відповідності між зображеннями і мовними описами, що відкриває безліч можливостей для розвитку різних застосувань, в тому числі покращення пошукових систем, автоматичне розпізнавання зображень та підтримку людей з обмеженими можливостями. Відповідність між графічною та текстовою інформацією важлива для багатьох сучасних додатків і систем, таких як пошукові системи, розпізнавання образів, аналіз медичних даних і багато інших. Метою дослідження є запропонувати модифіковану модель. Це дозволить покращити якість та швидкість роботи інформаційних систем, що базуються на аналізі інформації. Основні положення дослідження доповідалися на конференції «Системи і технології зв’язку, інформатизації та кібербезпеки: актуальні питання і тенденції розвитку» та висвітлено у публікаціях автора у фаховому виданні категорії Б.Документ Відкритий доступ Глибоке навчання з підкріпленням для керування дроном в задачі переслідування(КПІ ім. Ігоря Сікорського, 2024) Рибалко, Анастасія Анатоліївна; Касьянов, Павло ОлеговичОб’єкт дослідження – завдання керування дроном в рамках задачі переслідування об’єктів. Предмет дослідження – застосування методів глибокого навчання з підкріпленням для вирішення завдання керування дроном у задачі переслідування об'єктів. Мета роботи – розробка та оптимізація системи керування дроном на основі глибокого навчання з підкріпленням з метою ефективного переслідування об'єктів в умовах обмежених обчислювальних ресурсів. Досліджено, наскільки використання навчання з підкріпленням є життєздатним методом для ведення переслідування за допомогою автономного дрона. Результати показали, що існує потенціал у використанні методів RL, зокрема мереж DQN та PPO, для цього завдання, особливо у порівнянні із прямими статичними підходами. Крім того, реалізація представлень стану, які включають інформацію про динамічні рухи об’єктів та їхні відстані, демонструє значні переваги перед алгоритмами RL, які покладаються виключно на вхідні дані камери. Результати цієї роботи рекомендується використовувати для навчання моделей напівкерованого навчання в задачах переслідування. Результати цієї роботи заплановано апробувати на міжнародній конференції.Документ Відкритий доступ Дослідження масштабованості архітектури сходових нейронних мереж для високонавантажених задач обробки великих наборів даних(КПІ ім. Ігоря Сікорського, 2024) Єрко, Андрій Вадимович; Синєглазов, Віктор МихайловичМагістерська дисертація: 116 сторінки, 15 таблиці, 18 рисунків, додаток, 21 посилання. Мета дослідження — підвищити швидкодію архітектури сходових нейронних мереж шляхом застосування методів підвищення масштабованості. Об’єкт дослідження — сходові нейронні мережі. Предмет дослідження — методи підвищення масштабованості сходових нейронних мереж в високонавантажених задачах. Методи дослідження — квантизація після навчання та навчання з урахуванням квантизації в цільночислені представлення чисел та представлення з плаваючою комою на процесорі та відеоприскорювачі CUDA. Розглянуто проблеми масштабованості cходових нейронних мереж для високонавантажених задач машинного навчання. Досліджено методи квантизації вагів сходових нейронних мереж до різної точності представлення чисел на процесорі та прискорювачі CUDA. Проведено експерименти щодо їх впливу на точність прогнозування, швидкодію обробки даних, та розмір результуючого файлу моделі. Проаналізовано та порівняно результати різних методів квантизації та її відсутності на ефективність використання сходових нейронних мереж до задач обробки даних. Результати роботи можуть бути використані для підвищення масштабованості та швидкодії сходових нейронних мереж в високонавантажених задачах, де їх застосування цієї архітектури є доцільним, наприклад, обробка відео та аудіосигналу, задачі обробки зображень та інші.Документ Відкритий доступ Дослідження методів оцінювання текстових ознак в задачі глибинного аналізу поглядів(2023) Савенко, Ілля Михайлович; Недашківська, Надія ІванівнаМагістерська дисертація: 125 c., 14 табл., 52 рис., 21 джерело 1 додаток. Об’єктом дослідження є зібрані дописи публічної персони із соцмережі Telegram. Предметом дослідження є підходи та методи інтелектуального аналізу тексту, природної обробки мови для вирішення задачі визначення глибинного аналізу поглядів. Метою даної роботи є створення програмного продукту формування інтерактивного звіту для вирішення задачі класифікації поглядів авдиторії публічного персонального новинного каналу українською мовою у соцмережі. У роботі досліджено, описано та використано методи, що необхідні для вирішення задачі класифікації тексту, а також розглянуто вже існуючі дослідження, що стосуються обраної теми. В результаті було побудовано 14 моделей мультиноміальної класифікації для ідентифікації 5 категорій відношення(думки) в форматі структури, що зазначена в першопочатковому форматі у соц-мережі та 4 категорій думки, що є результатом об’єднання деяких попередніх. Досягнуто точність ідентифікації 62% для більшості моделей в першопочатковому форматі, та 78% у форматі об’єднаних категорій. Задача в описаному в цій роботі форматі розглядалася вперше.Документ Відкритий доступ Застосування методів машинного навчання для виявлення психічних захворювань(КПІ ім. Ігоря Сікорського, 2022) Цупрун, Ілля Юрійович; Стусь, Олександр ВікторовичМагістерська дисертація: 127 с., 28 табл., 33 рис., 23 джерел, 1 додаток. Об’єктом дослідження є зібрані дописи користувачів із соцмережі Reddit. Предметом дослідження є підходи та методи машинного навчання та обробки природної мови для вирішення задачі класифікації текстів. Метою даної роботи є створення системи для ідентифікації психічних захворювань на основі дописів користувачів у соцмережах, тобто вирішити задачу класифікації текстів у вказаній предметній області. Методи обробки природної мови в останні роки отримали великий поштовх для розвитку та на сьогоднішній день, їх використання призвело до приголомшливих досягнень у різних сферах, від медицини до науки та розваг. У роботі було описано та використано методи необхідні для розв’язання задачі класифікації тексту, а також оглянуто вже існуючі дослідження, що стосуються даної теми. В результаті було побудовано 8 моделей бінарної класифікації для ідентифікації 8 видів психічних захворювань та досягнуто точності ідентифікації на рівні 70-85% для більшості моделей, що покращує існуючі на сьогоднішній день досягнення у вирішенні посталеної проблеми.Документ Відкритий доступ Застосування штучного інтелекту для прогнозування ринкової вартості житла(КПІ ім. Ігоря Сікорського, 2024) Пінчук, Максим Олександрович; Гуськова, Віра ГеннадіївнаМагістерська дисертація: 68 с., 22 рис., 22 табл., 1 дод., 25 посилань. Об’єкт дослідження: ринкова вартість житла. Предмет дослідження: машинне навчання, нейронні мережі. Мета роботи полягає у розширенні знань про застосування штучного інтелекту в аналізі ринку житла та розробці ефективних методів прогнозування цін на житло. Результати дослідження можуть сприяти покращенню процесів прийняття рішень у галузі нерухомості та впровадженню нових інструментів для прогнозування ринкової вартості житла. Результатом дисертаційної роботи є розроблення та валідація моделей штучного інтелекту для прогнозування ринкової вартості житла. Ці моделі можуть використовувати методи машинного навчання, нейронні мережі та інші підходи для аналізу даних про нерухомість та прогнозування цін. Подальший розвиток предмету дослідження – розгляд більш складних методів для прогнозування та аналізу даних. Основні положення дослідження доповідалися на конференції «Системи і технології зв’язку, інформатизації та кібербезпеки: актуальні питання і тенденції розвитку».Документ Відкритий доступ Зоровий трансформер для задачі класифікації раку шкіри(КПІ ім. Ігоря Сікорського, 2022) Нікітін, Владислав Олегович; Шаповал, Наталія ВіталіївнаМагістерська дисертація: 122 с., 24 табл., 20 рис., 64 джерела, 1 додаток. Об’єктом дослідження є набір даних із зображеннями раку шкіри та здорових шкірних утворень. Предмет дослідження – архітектури моделі зорового трансформера для класифікації раку шкіри. Мета дослідження полягає у аналізі архітектури зорового трансформера для задачі класифікації раку шкіри, порівняння отриманої моделі зорового трансформера з аналогічними моделями, що мають згорткову архітектуру, розробка користувацького додатку, що міг би класифікувати запропоноване користувачем зображення утворення на шкірі як ракове чи доброякісне. Розроблена модель підтверджує ефективність зорового трансформера в задачі класифікації раку шкіри. Після порівняння моделі зі згортковою аналогічною моделлю потенціал зорового трансформера, що може розкритися за умови наявності більших обчислювальних потужностей та більшого датасету є очевидним. Запропонована архітектура зорового трансформера здатна ефективно класифікувати зображення та додаток, створений на її основі може бути дієвим інструменти ідентифікації того чи потрібно звернутись до лікаря із шкірним утворенням.Документ Відкритий доступ Класифікація онкологічних захворювань шкіри методами напівкерованого навчання(КПІ ім. Ігоря Сікорського, 2024) Зарицький, Олексій Олексійович; Данилов, Валерій ЯковичМагістерська дисертація: 131c., 27 рис., 13 табл., 1 додаток, 12 посилань. Об’єкт дослідження – ідентифікація ракових захворювань шкіри. Предмет дослідження – використання методів напівкерованого навчання для покращення якості глибоких нейронних мереж для датасетів з великим відсотком нерозмічених даних, дослідження ефективності різних методів напівкерованого навчання для задачі ідентифікації ракових захворювань шкіри. Мета роботи – використання різних методів напівкерованого навчання для тренування базової моделі та порівняння її ефективності на тестовій вибірці. У цій роботі досліджено застосовність різних методів semisupervised learning для прикладної задачі, а саме задачі класифікації ракових захворювань шкіри по фотографіям, визначено найефективніші та найстабільніші методи для даного класу задач. У якості базової моделі взято просту згорткову нейронну мережу, яка навчалася за допомогою методів Proxy Labeling, Democratic Co-train, MixMatch, Ladder Network у різних модифікаціях та з різними значеннями гіперпараметрів на датасеті HAM10000 із 10% та 5% розмічених даних у тренувальній вибірці. Метричні показники всіх навчених варіантів моделей було порівняно та використано для аналізу найефективнішого методу напівкерованого навчання для даної задачі. Найефективнішими та найстабільнішими методами виявилися Ladder Network та Democratic Co-Train з учителем ResNet18. Результати цієї роботи рекомендується використовувати для навчання класифікаційних моделей в медичних даних. Результати цієї роботи були апробовані на міжнародній конференції.Документ Відкритий доступ Методи багатофакторної автентифікації до веб додатків за допомогою штучного інтелекту та технології блокчейн(КПІ ім. Ігоря Сікорського, 2022-12) Славінський, Всеволод Олександрович; Гуськова, Віра ГенадіївнаМагістерська дисертація: 124 с., 22 табл., 24 рис., 23 джерел, 1 додаток. Об'єктом дослідження є мультифакторна авторизація та автентифікація в мережі Web3.0 Предметами дослідження визначено нейронні мережі для розпізнавання облич та блокчейн для роботи з розподіленими ідентифікаторами Мета дослідження полягає у аналізі алгоритмів видачі рекомендацій, що базуються на моделях матричної факторизації, а також алгоритмів, що використовують аппарат мереж глибокого навчання. У роботі розглянуто альтернативні методи авторизації, такі як авторизація через біометрію, а також новітній, автентифікація через блокчейн. Важливість роботи полягає у створенні прикладу використання мультифакторної автентифікації на основі нейронних мереж і блокчейну в мережі Web3.0. Отримані результати надалі можна буде розвинути в самостійну бібліотеку, яку зможуть використовувати незалежні розробники для розроблення своїх додатків в розподіленому інтернеті. Дана робота допоможе зробити систему безпечнішою та зручнішою для користувачів, а також дасть змогу перестати зберігати свої дані у великих корпорацій, таких як Google або Facebook. Результатом дослідження є порівняння існуючих методів авторизації та автентифікації, а також перспективи автентифікації за допомогою блокчейну та біометрії у вебі 3.0.Документ Відкритий доступ Методи навчання без підготовки засновані на вкладені в задачах комп'ютерного зору(2023) Пашнєва, Ольга Миколаївна; Недашківська, Надія ІванівнаМагістерська дисертація: 156 с., 23 табл., 37 рис., 24 джерела, 1 додаток. Об’єкт дослідження – задача класифікації зображень з пов’язаними семантичними ознаками. Предмет дослідження – мережі для задач навчання без підготовки засновані на вкладеннях та оцінка їх ефективності. Мета роботи – Дослідити існуючі підходи до розробки мереж навчання без підготовки, та визначити найбільш ефективні системи для моделювання. В роботі проведено розглянуто проблему появи зображень нових класів, які не були включені до навчання, під час використання класифікатора на практиці. Розглянуті сучасні методи навчання без підготовки для класифікації зображень засновані на вкладеннях. Розроблено програмний продукт для класифікації зображень з семантичними ознаками методом навчання без підготовки. Основні наукові результати та їх новизна. Досліджено продуктивність шести різних сучасних підходів для навчання без підготовки в умовах наближених до практичних. Проведено експерименти, що показують чутливість моделей до різного ступеня шумів в атрибутах та мітках, а також чутливість до зменшення кількості навчальних класів та збільшення кількості тестових.Документ Відкритий доступ Методи прогнозування індексу акцій на основі механізмів штучного інтелекту(КПІ ім. Ігоря Сікорського, 2022) Міщенко, Дарина Вадимівна; Мухін, Вадим ЄвгеновичМагістерська дисертація: 99 с., 26 табл., 29 рис., 25 джерел, 1 додаток. Об’єктом дослідження є задача прогнозування фінансових даних. Предмет дослідження – авторегресійні моделі, рекурентна нейронна мережа довгої короткострокової пам’яті та нейронна мережа, побудована на механізмі уваги. Мета дослідження полягає у аналізі фінансових данних, підборі моделей для прогнозування, реалізації методів прогнозування на основі механізмів штучного інтелекту та вибір найкращого методу. Як результат дослідження було запропоновано та розроблено модель прогнозування даних, що використовує механізми штучного інтелекту, як авторегресійні моделі, нейронні мережі довгої короткострокової пам'яті та модель на основі механізму уваги. Проведено порівняння побудованих моделей та вибрано найкращу за метриками MAPE, MAE, MSE, R2. Результат даної роботи можна застосувати при вирішенні подібних задач короткострокового прогнозування нестаціонарних часових рядів.Документ Відкритий доступ Моделювання та прогнозування курсу криптовалют GameFi сегменту(КПІ ім. Ігоря Сікорського, 2022-12) Яцько, Яна Віталіївна; Терентьєв, Олександр МиколайовичДипломна робота: 117 с., 28 табл., 23 рис., 3 додатки, 64 джерела. Актуальність теми: останнім часом у світі стрімко розвивається напрямок торгівлі на криптобіржах. Так як ринок є волатильним, потрібно мати інструмент що допоможе аналізувати та приймати рішення з покупки/продажу. Модель прогнозування курсу криптовалют GameFi сегменту допомогає трейдеру планувати покупки/продажі з ціллю отримати прибуток. Рішення допоможе користувачеві проаналізувати криптовалюти в даному сегменті та, спираючись на прогноз, прийняти рішення щодо покупки/продажі криптовалют. Мета даної роботи полягає у дослідженні існуючих рішень в області аналізу динаміки курсу криптовалют, побудови моделей машинного навчання, збагаченя даних та підвищення якості прогонзування курсу криптовалют за помогою бази Twitter та розробці зручного інструменту для аналізу та планування торгів. Об’єктом дослідження є статистичні дані, аналітичні та фінансові звіти, дані публікацій соцмережі Twitter "Twitter User Data". Предметом дослідження є методи аналізу табличних даних, регресійні моделі, гібридні рекурентні нейронні мережі. Отриманні результати – створена програма для візуалізації динамічних характеристик криптовалют, скріпт прогнозування курсу криптовалют, що має високу точність прогнозування (оцінюючи метрикою RMSE). Програмний продукт реалізований мовою програмування Python3.8 у середовищі розробки DataSpell 2022. Для аналізу та побудови моделей було використано середовище Jupyter Notebook. Отримані результати: розроблено простий інтерфейс для аналізу статистичних і динамічних характеристик монет, що включає в себе прогнози на майбутнє (на обрану кількість кроків).Документ Відкритий доступ Нейромережева рекомендаційна система для вибору товару на основі оглядів користувачів і продуктів(КПІ ім. Ігоря Сікорського, 2022) Кравченко, Олександра Вадимівна; Недашківська, Надія ІванівнаМагістерська дисертація: 133 с., 36 табл., 68 рис., 27 джерел, 1 додаток. Об’єктом дослідження в рамках магістерської роботи є процес формування рекомендацій для вибору товару. Предметом дослідження є методи і алгоритми, що використовуються для надання релевантних рекомендацій. Мета дослідження полягає в дослідженні методів надання рекомендацій, і підвищенні їх ефективності. Було проведене дослідження декількох класичних алгоритмів рекомендацій на основі оглядів і порівняно їх ефективність. На базі цього запропоновано модифікацію методу DeepCoNN і проведено його дослідження і порівняння з початковими. Запропонований алгоритм виявився ефективнішим близько на 5-7% порівняно з минулими алгоритмами.
- «
- 1 (current)
- 2
- 3
- »