Магістерські роботи (ММСА)
Постійне посилання зібрання
Переглянути
Перегляд Магістерські роботи (ММСА) за Назва
Зараз показуємо 1 - 20 з 391
Результатів на сторінці
Налаштування сортування
Документ Відкритий доступ Oцiнювaння крeдитoспрoмoжнoстi клiєнтiв бaнку нa oснoвi рeгрeсiйних мoдeлeй(2018) Сєдак, Назар Денисович; Каніовська, Ірина ЮріївнаДокумент Відкритий доступ Автоматизований вибір екзогенних змінних при моделюванні фінансового ризику(2018) Кудрявцев, Антон Михайлович; Бідюк, Петро ІвановичДокумент Відкритий доступ Автоматична сегментація об'єктів на зображеннях за допомогою напівкерованого навчання з використанням активного навчання та стабільної дифузії(КПІ ім. Ігоря Сікорського, 2024) Крутій, Іван Віталійович; Шаповал, Наталія ВіталіївнаМагістерська дисертація: 109 с., 8 рис., 19 табл., 1 додаток, 24 джерела. Тема дисертації: «Автоматична сегментація об'єктів на зображеннях за допомогою напівкерованого навчання з використанням активного навчання та стабільної дифузії». Об’єкт дослідження - набір даних DeepGlobe Road Extraction Dataset, що складається з 6226 супутникових зображень доріг для навчання. Набір даних також включає 1243 валідаційних та 1101 тестових зображень. Мета роботи - розробити модель напівкерованого навчання, яка використовує методи активного навчання та стабільної дифузії для автоматичної сегментації об'єктів на супутникових знімках, зосереджуючись на виділенні доріг. Метод дослідження - підходи напівкерованого навчання, стратегії активного навчання та процеси стабільної дифузії. Програмна реалізація методу виконана в середовищі Python 3.8. Предметом дослідження є сегментація зображень методом напівкерованого навчання, зокрема, для виділення доріг на супутникових знімках. Це включає вирішення таких проблем, як недосконала анотація та відсутність анотацій для певних типів доріг. Отримані результати: розроблено модель, яка може автоматично сегментувати дороги на супутникових знімках. Ця модель здатна працювати з недосконалими позначками та неанотованими об'єктами, що робить її надійною для практичного застосування в аналізі супутникових знімків.Документ Відкритий доступ Авторегресійні моделі прогнозування навантаження контакт-центру компанії та застосування прогнозованих даних(КПІ ім. Ігоря Сікорського, 2020-12) Діхтяренко, Каріна Ігорівна; Каніовська, Ірина ЮріївнаДокумент Відкритий доступ Адаптивне байєсівське прогнозування нелінійних нестаціонарних процесів(2018) Левенчук, Людмила Борисівна; Бідюк, Петро ІвановичДокумент Відкритий доступ Алгоритм для аналізу та оцінювання ф’ючерсних ринків(КПІ ім. Ігоря Сікорського, 2019-12) Фесюра, Олексій Анатолійович; Тимощук, Оксана ЛеонідівнаДокумент Відкритий доступ Алгоритм кластеризації Маркова для платформ розподілених обчислень Spark та Hadoop(2018) Ходак, Антон Романович; Дідковська, Марина ВіталіївнаДокумент Відкритий доступ Алгоритми машинного навчання для скорингових систем(2019-06) Шираліев, Анар Ельдар огли; Каніовська, Ірина ЮріївнаДокумент Відкритий доступ Алгоритмічна торгівля з використанням текстових сигналів та навчання з підкріпленням(КПІ ім. Ігоря Сікорського, 2021) Баздирев, Антон Андрійович; Касьянов, Павло ОлеговичДокумент Відкритий доступ Аналіз впливу військового конфлікту на соціально-економічні процеси в Україні(КПІ ім. Ігоря Сікорського, 2022) Худіков, Павел Володимирович; Бідюк, Петро ІвановичМагістерська дисертація містить 107 с., 19 ілюстрацій, 20 таблиць, 1 додаток, 11 бібліографічних посилань. Об’єкт дослідження: соціально-економічні процеси в Україні та інших розвинутих країнах. Мета дослідження: розробка і застосування математичних моделей для оцінювання впливу на соціально-економічні процеси в Україні та інших розвинутих країнах. Використані моделі: у програмній реалізації було використано авторегресіні моделі, за допомогою яких і здійснювалося прогнозування. Отриманні результати: побудована система прогнозування, що може прогнозувати вплив військових конфліктів на соціально-економічні процеси в Україні. В рамках подальшого дослідження пропонується підвищувати точність моделі, створити процес дотренування моделі на нових даних, створити повноцінний продукт, який зможе прогнозувати впливи військових конфліктів у різних країнах.Документ Відкритий доступ Аналіз відкритих даних про якість повітря в міському середовищі та розробка прогностичних моделей для прогнозу забруднення повітря в місті(КПІ ім. Ігоря Сікорського, 2024) Луцкер, Ростислав Олегович; Гуськова, Віра ГеннадіївнаМагістерська дисертація: 81 с., 17 рис., 19 табл., 1 дод., 36 джерела. Об’єктом дослідження є відкриті дані про якість повітря в міському середовищі. Предметом дослідження є прогностичні моделі для прогнозу якості повітря, наближеного до історично виміряних даних. Метою дослідження є розробка та вдосконалення методів моніторингу та прогнозування якості повітря в урбанізованому середовищі. Дослідження спрямоване на розробку ефективних моделей, інтеграцію відкритих даних, оцінку та порівняння їхньої точності. Основний акцент робиться на розробці та дослідженню моделей, призначених для покращення ефективності моніторингу та прийняття рішень в галузі охорони довкілля та громадського здоров'я. Завдання дослідження. 1. Аналіз стану якості повітря. Провести детальний огляд даних про якість повітря, які були зібрані у відкритих джерелах. Визначити основні забруднювачі та їх концентрації в міському середовищі. 2. Розробка прогностичних моделей. Вибрати підходи та методи для побудови прогностичних моделей. Визначити змінні, які впливають на якість повітря, та розглянути їхню взаємодію. Реалізувати прогностичні моделі для прогнозування концентрацій забруднювачів. 3. Оцінка та порівняння моделей. Здійснити оцінку точності та ефективності розроблених прогностичних моделей та провести порівняльний аналіз результатів моделей. 4. Розроблення програмного продукту на мові програмування Python.Документ Відкритий доступ Аналіз зображень методами штучного інтелекту(КПІ ім. Ігоря Сікорського, 2024) Грищенко, Костянтин Олексійович; Данилов, Валерій ЯковичОб’єкт дослідження - процес аналізу зображень методами штучного інтелекту. Мета роботи – розглянути теоретичні основи аналізу зображень, побудувати модель для створення карт глибини та розпізнавання об’єктів. Ми маємо спроектувати та розробити систему для аналізу зображень, розпізнавання трьохвимірної сцени за фотографією та ідентифікації об’єктів. В роботі розглянуто та реалізовано модель штучного інтелекту, проаналізовано вибір параметрів використаної моделі, спосіб аналізу сцени зафіксованої на зображенні. Програмний продукт реалізовано мовою програмування Python. Результат даної роботи доцільно використовувати для аналізу зображень та сцени зафіксованої на них. Для навчання моделі штучного інтелекту з побудови карт глибини було використано набір зображень DIODE, що є у вільному доступі.Документ Відкритий доступ Аналіз операційних ризиків та їх взаємодії з іншими ризиками(КПІ ім. Ігоря Сікорського, 2022) Д'яченко, Анна Сергіївна; Бідюк, Петро ІвановичДокумент Відкритий доступ Аналіз процесів та прийняття рішень на ринку криптовалют(КПІ ім. Ігоря Сікорського, 2022-06) Мельников, Андрій Андрійович; Бідюк, Петро ІвановичМагістерська дисертація: 80 с., 70 рис, 19 табл., 1 додаток, 11 джерел. Тема роботи – методи прогнозування ринку криптовалют на моделі прийняття рішень. Об’єктом дослідження є ринок криптовалют. Предметом дослідження є часові ряди ринку криптовалют, методи машинного навчання. Мета роботи: 1. Розробити систему прийняття рішень, що базувалась на методах штучного інтелекту; 2. Відтворити схему прийняття рішень трейдера відповідними моделями. Актуальнисть - запропонований підхід фокусується на прийнятті рішень а не на прогнозуванн і - це забезпечує значну точність моделі, було обрано об'єкт, що тільки вийшов на ринок і тільки почав розвиватись в Україні. В даній роботі було досліджено ринки криптовалют на предмет їх прогнозованості та придатності як засіб інвестування. Отримані результати свідчать про можливість застосування нейронних мереж для прийняття рішень без участі користувача. Результати роботи моделі показали придатність нейронних мереж до вирішення поставленої проблеми за умови постійного донавчання. Було виявлено період роботи моделі. Було побудовано систему прийняття рішень, з періодом старіння (донавчання) в 3 дні. Модель виявила задовільні результати на окремих криптовалютах.Документ Відкритий доступ Аналіз ризиків проекту за допомогою текстового інтелектуального аналізу даних коментарів в системі управління проектами jira(2019-06) Лєднікова, Анна Андріївна; Бідюк, Петро ІвановичДокумент Відкритий доступ Аналіз ринкового ризику ймовірнісно-статистичними методами(КПІ ім. Ігоря Сікорського, 2022) Затірка, Валерія Валеріївна; Бідюк, Петро ІвановичДокумент Відкритий доступ Аналіз ринку криптовалют з використанням методів машинного навчання та теорії ігор(КПІ ім. Ігоря Сікорського, 2024) Івашова, Анастасія Петрівна; Зайченко, Олена ЮріївнаМагістерська дісертація: 100 с., 25 рис., 25 табл., 1 додаток, 28 джерел. Об’єкт досліджень – аналіз ринку криптовалют. Предмет досліджень – методи машинного навчання та теорії ігор. Мета роботи – розробка алгоритму оптимізації стратегії на основі прогнозованих цін купівлі/продажу криптовалюти. У даній роботі присутній огляд предметної області, застосованих методів машинного навчання та теорії ігор; опис створеного програмного забезпечення, тестування за допомогою оцінок якості та реалізація стартап- проекту. Було проведено тестування моделі прогнозування ціни на ринку криптовалют та алгоритм оптимізації стратегії. За допомогою даної моделі та алгоритму вдалося покращити процес трейдингу та зробити його більш ефективним і прибутковим. Програмне забезпечення реалізовано на мові Python, що дозволяє обробляти дані криптовалютного ринку, навчати моделі машинного навчання та аналізувати результати, створюючи обґрунтовану стратегію за допомогою теорії ігор.Документ Відкритий доступ Аналіз та прогнозування фінансового стану підприємства(КПІ ім. Ігоря Сікорського, 2022-12) Сандига, Ярослав Сергійович; Бідюк, Петро ІвановичМагістерська дисертація: 86 с., 21 рис., 23 табл., 1 додаток, 11 джерел. В представленій роботі досліджується задача аналізу та прогнозування фінансового стану підприємства. Описані теоретичні відомості математичних методів та підходів до системного аналізу даних, що застосовуються для прогнозування та оцінки фінансового стану підприємства. Для розгляду було обрано 160 підприємств, а саме реальні дані їх фінансової звітності за 2012- 2013 роки. На основі обраних даних проведено порівняльний аналіз результатів та ефективності таких методів та моделей: чіткий метод Альтмана, лінійна регресія, логістична регресія. Завдяки використанню одразу декількох різних за математичною базою методів, можна мінімізувати похибку прогнозу, яка є основною в роботі. Найкращий результат в ході дослідження показав метод з побудовою моделі логістичної регресії. На основі отриманих результатів було встановлено та доведено можливість та доцільність використання методів в практичних задачах. Для прогнозування та оцінки фінансового стану підприємства на основі лінійної регресії, чіткого методу Альтмана та логістичної регресії було розроблено програмний продукт на основі мови програмування С++. Побудовані моделі та підходи наразі використовуються в практичних задачах різними компаніями як частина комплексного аналізу стану підприємства.Документ Відкритий доступ Аналіз та управління інвестиційними проектами з використанням методів штучного інтелекту(2018) Путов, Димитрій Андрійович; Данилов, Валерій ЯковичДокумент Відкритий доступ Аналіз текстових повідомлень за допомогою методів машинного навчання(КПІ ім. Ігоря Сікорського, 2024) Ведмєдєв, Данило Олексійович; Шаповал, Наталія ВіталіївнаМагістерська дисертація: 77 с., 2 рис., 23 табл., 1 дод., 11 джерел. АНАЛІЗ ТЕКСТОВИХ ПОВІДОМЛЕНЬ ЗА ДОПОМОГОЮ МЕТОДІВ МАШИННОГО НАВЧАННЯ Предмет дослідження – методи машинного навчання для аналізу текстових повідомлень. Об’єкт дослідження – послідовний тип даних, що у виражається у формі СМС-повідомлень. Вибірка даних являє собою короткі текстові СМС-повідомлення, що не втрачають актуальності у засобах комунікації, сьогодні люди активно розвивають цю форму комунікації. Мета роботи - розробити ефективний алгоритм кластеризації СМС-повідомлень, яка може бути використана для автоматичного виявлення шаблонів та групування подібних повідомлень. Використання цих методів в поєднанні надає можливість високо ефективно та точно аналізувати великі обсяги текстових даних. Актуальність роботи обумовлена глобалізації та діджиталізації послуг комунікації, зокрема – здійснення СМС-повідомлень. Виникає потреба у розробці новітніх методів виявлення особливостей живої комунікації за допомогою, саме СМС-повідомлень. Подано тези та зроблено виступ на ІІ Всеукраїнська науково-практична конференція «Системні науки та інформатика» з нагоди 125- річчя КПІ ім. Ігоря Сікорського. Також заплановане видання статті на тему “Text message clustering” electronics and control systems, No 4(78) с.16-20, буде опубліковано в січні 2024.