Бакалаврські роботи (ШІ)
Постійне посилання зібрання
У зібранні розміщено бакалаврські проекти (роботи) на здобуття ступеня бакалавра.
Переглянути
Нові надходження
Документ Відкритий доступ Інтелектуальна система відновлення пошкоджених частин зображень(КПІ ім. Ігоря Сікорського, 2025) Хомік, Єгор Михайлович; Чумаченко, Олена ІллівнаДипломна робота: 118 с., 22 рис., 6 табл., 43 посилань,1 додаток. Об’єкт дослідження – автоматичне відновлення (inpainting) прихованих або пошкоджених ділянок зображень. Предмет дослідження – алгоритмічні та архітектурні принципи гібридної моделі Lifelong VAEGAN з буфером попередніх зразків і генератором U-Net із механізмом self-attention. Мета роботи – спроєктувати та експериментально перевірити модель, що здатна послідовно навчатися на зображеннях різних доменів, заповнювати маски з високою якістю і не втрачати раніше засвоєні навички. Для досягнення мети проведено огляд сучасних методів image inpainting lifelong-learning, розроблено двоенкодерну VAE-GAN-архітектуру з інтеграцією буферу попередніх зразків, реалізовано прототип у PyTorch і виконано серію експериментів на послідовності наборів CelebA → Facades. Оцінка за PSNR, SSIM і FID показала перевагу запропонованого підходу порівняно з базовими VAE, GAN та cGAN-моделями. Наукова новизна полягає в тому, що вперше запропоновано модульну Lifelong VAEGAN, яка поєднує явний латентний простір VAE із деталізуючою силою GAN і здатна ефективно відновлювати приховані ділянки зображень. Практичне значення розробки полягає в можливості використання системи для реставрації архівних фото та відеоматеріалів, автоматичного видалення небажаних об’єктів і відновлення контенту в потокових сервісах, де модель адаптується до нових даних без повного перенавчання.Документ Відкритий доступ Модель машинного навчання для прогнозування результатів кільцевих автоперегонів чемпіонату світу Формула-1(КПІ ім. Ігоря Сікорського, 2025) Ткаченко, Марія Віталіївна; Пишнограєв, Іван ОлександровичДипломна робота: 137 с., 36 рис., 21 табл., 16 посилань, 2 додатки. Об’єктом дослідження є процес прогнозування результатів кільцевих автоперегонів чемпіонату світу Формули-1 із застосуванням методів машинного навчання. Предметом дослідження є модель багатошарового перцептрона (MLP) для передбачення фінішних позицій пілотів на основі телеметричних, кваліфікаційних і стратегічних даних. Метою роботи є розробка ефективної моделі машинного навчання для точного прогнозування результатів Формули-1, що сприятиме підвищенню якості аналітичних інструментів для команд, медіа та букмекерських платформ. Актуальність дослідження зумовлена зростанням обсягів даних у Формулі-1 та потребою в точних прогнозах для оптимізації стратегій і підвищення конкурентоспроможності. У роботі проаналізовано структуру чемпіонату, особливості трас, болідів і ключові фактори, що впливають на результати. Розглянуто сучасні методи прогнозування, обґрунтовано вибір MLP як оптимального алгоритму. Розроблено програмний продукт у Python із використанням бібліотеки scikit-learn і даних fastf1, що забезпечує високу точність прогнозів. Показано переваги регресії над класифікацією для передбачення фінішних позицій, а також оцінено вплив ключових ознак, таких як майстерність пілота, кваліфікаційна позиція та продуктивність команди. Отримані результати підтверджують практичну цінність розробленої системи, яка може бути адаптована для реального використання в аналітичних і комерційних цілях.Документ Відкритий доступ Система персоналізованої рекомендації новин на основі текстових характеристик контенту(КПІ ім. Ігоря Сікорського, 2025) Старокожко, Антон Олегович; Недашківська, Надія ІванівнаДипломна робота: 123 с., 20 рис., 8 табл., 30 посилань, додаток. Об’єктом дослідження є система персоналізованої рекомендації новин. Предметом дослідження є методи та моделі побудови рекомендаційних систем з використанням текстових характеристик контенту. Метою роботи є розробка та оцінка ефективності системи персоналізованих рекомендацій новин, яка враховує текстові особливості контенту та поведінкові дані користувачів. У дипломній роботі оглянуто сучасні підходи до побудови рекомендаційних систем, зокрема контентну, колаборативну фільтрацію та гібридні методи. Проаналізовано переваги та недоліки кожного з підходів у контексті рекомендації новин. Розглянуто традиційні алгоритми (Factorization Machines, FFM) і сучасні нейронні архітектури (DKN), що використовують графи знань та механізм уваги. Розроблено програмну систему персоналізованої рекомендації новин на основі текстових характеристик. Здійснено попередню обробку набору даних, що включає новинні статті та поведінкову інформацію користувачів. Виконано побудову та навчання моделей FFM і DKN. Проведено оцінку ефективності моделей за допомогою відповідних метрик точності. Отримано результати, що демонструють перевагу нейромережевої моделі DKN у контексті коротких текстів і проблеми семантичної неоднозначності.Документ Відкритий доступ Методи пояснювального штучного інтелекту при аналізі медичних зображень(КПІ ім. Ігоря Сікорського, 2025) Рачинська, Лідія Анатоліївна; Шаповал, Наталія ВіталіївнаДипломна робота: 110 с., 28 рис., 12 табл., 25 посилань, 2 додатки. Об’єкт дослідження – набір даних із зображенням нирок, призначені для діагностики злоякісних новоутворень. Предмет дослідження – глибокі нейронні мережі та методи пояснюваного штучного інтелекту, що забезпечують автоматизоване виявлення пухлин і візуалізацію причинного внеску пікселів. Мета роботи – дослідити та реалізувати підходи до інтерпретованої класифікації захворювань нирок, що матимуть високу точність й наочно пояснюватимуть отримані рішення. Методи дослідження – навчання моделей ResNet-18 та ViT на репрезентативному наборі КТ-знімків; застосування п’яти XAI-підходів (Grad-CAM, SmoothGrad Integrated Gradients, Gradient Shap, SHAP, CRATE); оцінювання атрибуцій за метриками Deletion AUC, Insertion AUC, Infidelity, Sensitivity-max; розробка комбінованих схем Grad-CAM & SG-IG і CRATE & Grad Shap. У межах дослідження досягнуто високої точності класифікації КТ-знімків нирок за допомогою моделей ResNet-18 і ViT. Візуальні пояснення, згенеровані п’ятьма XAI-методами, було всебічно проаналізовано за чотирма метриками якості. Розроблені комбіновані підходи Grad-CAM & SG-IG і CRATE & Grad Shap суттєво покращили локалізацію причинних пікселів і підвищили стабільність результатів, що підтверджує ефективність запропонованих рішень для клінічної практики.Документ Відкритий доступ Моделі машинного навчання для виявлення шахрайських транзакцій у фінансових системах(КПІ ім. Ігоря Сікорського, 2025) Пилипенко, Артем Володимирович; Пишнограєв, Іван ОлександровичДипломна робота: 84 ст., 25 рис., 2 табл., 14 посилань, 2 додатки. У роботі досліджується застосування моделей машинного навчання для виявлення шахрайських транзакцій у фінансових системах. Основну увагу приділено каскадній моделі, яка включає кілька етапів з різними методами класифікації та обробки даних. Описано побудову моделі — від попередньої обробки до застосування складних алгоритмів. Мета дослідження — створити ефективну каскадну модель для точного й своєчасного виявлення шахрайства, що сприятиме зниженню фінансових ризиків і підвищенню якості моніторингу. Об’єктом дослідження є процес виявлення шахрайських транзакцій у фінансових системах шляхом застосування машинного навчання. Предметом дослідження є каскадна модель для класифікації транзакцій на основі статистичних ознак, класифікаційних алгоритмів та нейронних мереж. Актуальність цієї роботи зумовлена стрімким зростанням кількості онлайн-платежів та цифрових фінансових операцій, що у свою чергу, робить проблему виявлення шахрайських транзакцій надзвичайно актуальною для забезпечення безпеки користувачів і стабільного функціонування фінансових систем. Проаналізовано підходи до обробки транзакцій, формування ознак і виявлення аномалій у контексті боротьби з шахрайством. Показано переваги каскадного моделювання, яке забезпечує ефективну роботу з великими фінансовими даними та підвищує точність виявлення шахрайських операцій.Документ Відкритий доступ Інформаційна система для аналітики виробничих процесів на основі інтелектуального аналізу даних(КПІ ім. Ігоря Сікорського, 2025) Кутова, Тетяна Анатоліївна; Гуськова, Віра ГенадіївнаДипломна робота: 107 с., 21 рис., 7 табл., 29 посилань, 2 додатки. У цій роботі досліджено питання розробки інформаційної системи для аналітики виробничих процесів на основі методів інтелектуального аналізу даних. Основну увагу приділено створенню програмного продукту, що дозволяє збирати, обробляти та аналізувати дані з промислових систем для виявлення аномалій і прогнозування ефективності. Об’єкт дослідження — виробничі процеси в автоматизованих системах керування. Предмет дослідження — програмна система для збору та аналізу логів SCADA і MES із використанням методів машинного навчання. Мета роботи — розробити інформаційну систему аналітики виробничих процесів, що дозволяє ефективно виявляти відхилення та оцінювати ключові показники роботи підприємства в режимі реального часу. У першому розділі подано огляд предметної області, проаналізовано типові архітектури автоматизованих систем управління, особливості побудови MES та SCADA. У другому розділі представлено математичне підґрунтя — алгоритми виявлення аномалій, кластеризації та прогнозування, що лягли в основу реалізації. У третьому розділі реалізовано програмний продукт з використанням мови Python, бібліотек для обробки даних, а також інтерактивного веб-інтерфейсу на базі Streamlit для візуалізації результатів. У четвертому розділі проведено функціонально-вартісний аналіз, зокрема оцінку трудомісткості, розрахунок витрат на розробку програмного забезпечення та визначення техніко-економічного рівня. У результаті створено інформаційну систему, здатну аналізувати великі обсяги логів, виявляти відхилення та формувати аналітику для управлінських рішень. Рішення має потенціал до адаптації в реальних умовах та подальшої комерціалізації.Документ Відкритий доступ Система підтримки прийняття рішень для підбірки компонентів FPV дронів з використанням трансформерних моделей(КПІ ім. Ігоря Сікорського, 2025) Пшеничний, Дмитро Володимирович; Кухарєв, Сергій ОлександровичДипломна робота містить 94 сторінок, 25 рисунків, 8 таблиць, 19 посилань та 1 додаток. Об’єктом дослідження є інтегрована інформаційна система підтримки прийняття рішень для підбору компонентів FPV-дронів, що поєднує веб-інтерфейс, базу даних і модуль аналізу настроїв. Предметом дослідження є методи класифікації тональності текстових відгуків на основі трансформерних моделей і архітектурні рішення веб-застосунку на базі Flask і SQLAlchemy. Метою роботи було розробити та апробувати програмне забезпечення, здатне автоматично обробляти клієнтські відгуки про FPV-компоненти, проводити їхню тональну класифікацію та інтегрувати результати аналізу в зручний веб-інтерфейс для підтримки управлінських рішень. Проаналізовано підходи до обробки текстових відгуків, формування ознак в контексті аналізу настроїв клієнтів. Досліджено методи класифікації та виявлення контекстуальних зв'язків у текстових відгуках клієнтів, що дозволило обґрунтувати ефективність обраної трансформерної архітектури. Встановлено, що застосування даної моделі забезпечує високу точність аналізу емоційного забарвлення коментарів щодо FPV-компонентів при оптимальних вимогах до обчислювальних ресурсів та швидкодії обробки великих текстових масивів. Практична цінність роботи полягає у створенні ефективного інструменту для оперативного моніторингу задоволеності клієнтів, що дозволяє бізнесу швидко виявляти проблемні аспекти продукції та приймати обґрунтовані рішення щодо покращення якості товарів і сервісу у динамічній сфері FPV-технологій.Документ Невідомий Застосування машинного навчання для системи оптичного наведення дрона-перехоплювача(КПІ ім. Ігоря Сікорського, 2025) Мельник, Назарій Олександрович; Тимошенко, Юрій ОлександровичДипломна робота: 100 с., 13 рис., 7 табл., 24 посилань, 1 додаток. Об’єктом дослідження є процес автоматичного наведення дрона перехоплювача на повітряні цілі. Предметом дослідження є алгоритми та методи детекції, трекінгу, наведення та їх реалізація на спеціалізованих обчислювальних платформах. Метою роботи є розробка та експериментальне обґрунтування багатопотокового алгоритму автоматичного наведення дрона-перехоплювача на основі сучасних нейромереж та ансамблевих методів, адаптованого для реального часу на платформі Jetson Orin Nano Super. Актуальність дослідження зумовлена загостренням загрози від безпілотних літальних апаратів в умовах сучасної війни та потребою в економічно ефективних автономних системах перехоплення БПЛА. У роботі узагальнено теоретичні засади CNN і ансамблевих методів, досліджено архітектури YOLO11m та RT-DETR, розроблено методики аугментації даних, обґрунтовано вибір одноплатної платформи Jetson Orin Nano Super та спроєктовано асинхронний програмний конвеєр для роботи в режимі реального часу. Запропонований гібридний алгоритмічний стек забезпечує стабільну швидкість обробки кадрів на борту, підвищує точність для дрібних цілей і має конкурентоспроможну собівартість у порівнянні з традиційними сенсорними системами. Отримані результати можуть бути застосовані для створення реальних систем захисту від ворожих дронів в умовах війни.Документ Відкритий доступ Аналіз сучасних моделей машинного навчання для задачі прогнозування цін на автомобілі(КПІ ім. Ігоря Сікорського, 2025) Кравчук, Уляна Олександрівна; Шаповал, Наталія ВіталіївнаДипломна робота: 115 ст., 38 рис.,10 табл., 25 посилань, 2 додатки. У роботі досліджено застосування сучасних моделей машинного навчання для задачі прогнозування цін на автомобілі. Основну увагу зосереджено на порівнянні класичного методу градієнтного бустингу XGBoost з сучасними підходами – Kolmogorov-Arnold Network та TabNet. Описано повний цикл побудови моделей: від попередньої обробки та аналізу даних до тренування, оцінки точності та інтерпретації результатів. Метою дослідження є аналіз ефективності сучасних моделей машинного навчання для задачі прогнозування цін. Об’єктом дослідження є процес прогнозування цін вживаних автомобілів на основі вибірки даних, що містить інформацію про характеристики транспортних засобів, їхній технічний стан та географічне розташування. Предметом дослідження виступають сучасні моделі машинного навчання для розв’язання регресійної задачі. Актуальність роботи зумовлена як зростаючою потребою у точному моделюванні вартості транспортних засобів, так і інтересом до новітніх інтерпретованих архітектур у сфері машинного навчання. У роботі проаналізовано підходи до прогнозування цін вживаних автомобілів. Показано переваги сучасних архітектур, які забезпечують високу точність прогнозування та інтерпретованість результатів і задачі регресії.Документ Відкритий доступ Система прогнозування попиту для управління запасами(КПІ ім. Ігоря Сікорського, 2025) Євтушенко, Владислав Анатолійович; Гуськова, Віра ГеннадіївнаДипломна робота: 104 с., 20 рис., 7 табл., 23 посилань, 1 додаток. Об’єктом дослідження є процес управління товарними запасами в умовах змінного попиту. Предметом дослідження є методи прогнозування попиту та їх вплив на прийняття рішень щодо оптимізації рівня запасів. Метою роботи є розробка системи прогнозування попиту на основі машинного навчання для підвищення ефективності управління товарними запасами. Дипломна робота присвячена розробці інтелектуальної системи прогнозування попиту, що дозволяє підприємствам оптимізувати запаси й покращити процес прийняття управлінських рішень. У роботі розглянуто як класичні статистичні методи, так і сучасні алгоритми машинного навчання та глибокого навчання. Проведено порівняльний аналіз їхньої ефективності на основі історичних даних продажів. Встановлено, що точне прогнозування попиту дозволяє зменшити витрати на зберігання товарів, уникнути дефіциту та підвищити рівень обслуговування клієнтів. Результати моделювання використано для розробки алгоритмів прийняття рішень з управління запасами, включно з обчисленням економічно обґрунтованого обсягу замовлень та точок повторного замовлення. Запропонована система може бути впроваджена в малому та середньому бізнесі як альтернатива дорогим комерційним рішенням.Документ Відкритий доступ Аналіз впливу машинного перекладу на метрики анотування текстів(КПІ ім. Ігоря Сікорського, 2025) Думайло, Тарас Михайлович; Пишнограєв, Іван ОлександровичДипломна робота: 86 стор., 10 рис., 8 табл., 18 посилань, 2 додатки. У роботі досліджується вплив машинного перекладу на якість автоматичного анотування текстів за допомогою сучасних нейронних моделей. Основну увагу приділено оцінці змін у результатах сумаризації після перекладу текстів з англійської на українську мову та навпаки. Для аналізу використовуються різні метрики якості — ROUGE, BLEU, BERTScore та інші. Побудовано експериментальний пайплайн, що включає збір даних, автоматичне узагальнення текстів, машинний переклад, а також обчислення метрик та візуалізацію результатів. Об’єктом дослідження є процес автоматичного анотування текстів у контексті багатомовного середовища. Предметом дослідження виступає зміна метрик якості сумаризації в результаті застосування машинного перекладу. Актуальність роботи зумовлена широким використанням автоматичних систем обробки текстів у багатомовних інформаційних середовищах, де якість узагальнень може значно залежати від проміжного перекладу. Проаналізовано вплив типових систем машинного перекладу на результати сумаризації, зокрема на лексичні та семантичні відповідності між оригінальними й перекладеними текстами. Показано, як різні метрики реагують на перекладні зміни та які моделі виявляються найбільш стійкими до таких змін. Робота робить внесок у розуміння впливу мовної трансформації на автоматичну обробку текстів та відкриває перспективи для підвищення точності багатомовних NLP-систем.Документ Відкритий доступ Адаптивна мережа стиснення динамічного діапазону зображень для виявлення дорожніх об’єктів(КПІ ім. Ігоря Сікорського, 2025) Денисенко, Денис Геннадійович; Тимошенко, Юрій ОлександровичДипломна робота: 106 с., 21 рис., 8 табл., 20 посилань, 1 додаток. У роботі досліджуються підходи глибокого навчання для стиснення високого динамічного діапазону термальних зображень у низький, аналізується вплив на точність детекції після тонового відображення відмінними між собою підходами для колірних зображень, на основі чого систематизовано необхідні вимоги для створення власної архітектури, орієнтованої на одноканальні термальні зображення, і ставиться на меті покращення виявлення дорожніх об’єктів для використання в системах допомоги водієві. Об’єкт дослідження – детекція дорожніх об'єктів на термальних зображеннях після тонового відображення. Предмет – мережі для стиснення динамічного діапазону зображень. Метою роботи є створення власної мережі тонового відображення, яка враховує особливості термальних зображень з урахуванням проблем, виявлених при аналізі існуючих методів, що покращить точність виявлення об'єктів на вихідних зображеннях з низьким динамічним діапазоном. Актуальність роботи зумовлена потребою використання для фіксації дорожньої сцени високого динамічного діапазону, який не може бути відображений на сучасних дисплеях і незначною кількістю реалізацій тонового відображення для термальних зображень у літературі. Результатом роботи є модель, адаптована до природи термальних зображень, що гарантує підвищення точності детекції у порівнянні з існуючими методами за основними метриками.Документ Відкритий доступ Інтелектуальний помічник для годуючих мам на основі штучного інтелекту(КПІ ім. Ігоря Сікорського, 2025) Гавлічинська, Людмила Олегівна; Шаповал, Наталія ВіталіївнаДипломна робота: 96 ст., 29 рис., 9 табл., 32 посилання, 2 додатки. У роботі розглядається створення мобільного додатку для підтримки молодих мам із використанням сучасних технологій штучного інтелекту. Основний акцент зроблено на поєднанні Retrieval Augmented Generation (RAG), великих мовних моделей (LLM) та векторного представлення для забезпечення якісних, персоналізованих відповідей на запити користувачів. Описано архітектуру системи, що складається з клієнтської частини на Flutter, серверної частини на FastAPI для обробки embedding, інтеграції з Firebase для зберігання користувацьких даних та Ollama для генерації відповідей LLM. Метою дослідження є розробка ефективного інтелектуального помічника, який допомагає молодим мамам отримувати достовірні консультації, вести щоденник та користуватися нагадуваннями, підвищуючи рівень обізнаності та впевненості у догляді за дитиною. Об’єктом дослідження є процес інформаційної підтримки молодих мам за допомогою мобільних технологій і штучного інтелекту. Предметом дослідження є великі мовні моделі, методи RAG, векторного представлення для пошуку, перевірки та формування відповідей на основі бази знань і сучасних мовних моделей. Актуальність роботи визначається зростаючою потребою у швидкій, персоналізованій та достовірній інформаційній підтримці для батьків, а також розвитком технологій ШІ. Проаналізовано підходи до організації баз знань, генерації embedding, використання LLM та реалізації RAG у мобільних додатках. Показано переваги комплексного підходу, що поєднує швидкий пошук у базі знань, генерацію відповідей та їх перевірку, що забезпечує високу якість консультацій і зручність для користувача.Документ Відкритий доступ Система IoT для автоматизованого управління розумним будинком(КПІ ім. Ігоря Сікорського, 2025) Богун, Максим Олександрович; Коваленко, Анатолій ЄпіфановичДипломна робота: 75 с., 11 рис., 6 табл., 13 посилань. Досліджено розробку системи Інтернету речей (IoT) для автоматизованого управління розумним будинком із інтеграцією рекомендаційної системи. Проаналізовано сучасні IoT-технології, зокрема протоколи зв’язку (Zigbee, Z-Wave, Wi-Fi) та платформу SmartThings, яка забезпечує інтеграцію різноманітних пристроїв. Запропоновано гібридну архітектуру, що поєднує локальну обробку даних із періодичною синхронізацією через SmartThings API, досягаючи швидкості відгуку до 100 мс і підтримки до 50 пристроїв на локацію. Розроблено клієнтську частину на React із адаптивним інтерфейсом, серверну частину на NestJS із REST API, базу даних MySQL із TypeORM для управління користувачами, локаціями, пристроями, завданнями, календарями та історією команд, а також мікросервіс рекомендацій на Python (FastAPI) з алгоритмом кластеризації k-means. Реалізовано функції авторизації (JWT, bcrypt), створення автоматизованих сценаріїв (завдання, календарні події), моніторингу стану пристроїв через інформаційну панель і генерації рекомендацій автоматизованих задач. Рекомендаційна система, реалізована на Python, аналізує історію команд із таблиці command_history через REST API, використовуючи k-means для виявлення патернів (наприклад, регулярне вмикання світла о 18:00), і пропонує відповідні сценарії, підвищуючи зручність та енергоефективність. Мікросервіс на FastAPI інтегровано з NestJS через HTTP-запити, із захистом JWT і кешуванням у Redis, що зменшило кількість запитів до SmartThings API на 35% і прискорило обробку рекомендацій на 40%. Безпека даних забезпечена шифруванням (HTTPS) і хешуванням паролів (bcrypt). Отримано функціональну систему, яка дозволяє користувачам ефективно керувати розумним будинком, створювати персоналізовані сценарії, відстежувати історію команд і отримувати адаптивні рекомендації. Гібридна архітектура забезпечує баланс між автономністю, продуктивністю та інтеграцією з хмарними сервісами. Система підтвердила практичну цінність для підвищення комфорту, безпеки й енергоефективності, зокрема завдяки рекомендаціям, що зменшують потребу в ручному налаштуванні.Документ Відкритий доступ Алгоритми та технології текстово-голосового синтезу(КПІ ім. Ігоря Сікорського, 2025) Бобовик, Денис Максимович; Кот, Анатолій ТарасовичДипломна робота: 85 с., 12 рис., 2 додатки, 18 посилань. Дипломна робота присвячена дослідженню та реалізації системи текстово-голосового синтезу мовлення на основі сучасних нейронних моделей FastSpeech 2 та HiFi-GAN. Актуальність дослідження зумовлена зростаючою потребою в природному синтезі мовлення для застосувань у цифрових помічниках, навігаційних системах, освіті та інклюзивних технологіях. Метою роботи є побудова високоякісної та швидкої системи TTS, здатної перетворювати текст в аудіо з реалістичним звучанням. У ході дослідження проаналізовано етапи синтезу мовлення, алгоритми генерації спектрограм, нейромережеві моделі та архітектури, а також методи оцінки результатів. Об’єктом дослідження є процес автоматичного синтезу мовлення, а предметом – використання послідовної архітектури FastSpeech 2 та вокодера HiFi-GAN для формування аудіосигналу на основі тексту. Реалізовано повний цикл побудови TTS-системи з використанням корпусу англомовних та українських аудіозаписів, здійснено навчання моделей, підготовку даних та оптимізацію параметрів. Проведено оцінку якості синтезованого мовлення за метриками MOS (Mean Opinion Score) та RTF (Real Time Factor). Результати показали, що система здатна генерувати мовлення високої якості зі швидкістю, що задовольняє вимоги реального часу. Робота має потенціал практичного застосування у голосових інтерфейсах та адаптивних навчальних системах.Документ Відкритий доступ Гібридна система рекомендацій для e-commerce на основі машинного навчання(КПІ ім. Ігоря Сікорського, 2025) Балаков, Лев Борисович; Гуськова, Віра ГеннадіївнаДипломна робота: 96 с., 15 рис., 12 табл., 28 посилань, 1 додаток. У роботі досліджено концепцію гібридної рекомендаційної системи для платформ електронної комерції, що інтегрує аналіз історії взаємодій користувачів із товарами та характеристики продуктів. Об’єктом дослідження є сучасні інформаційні системи рекомендацій в електронній комерції. Предмет дослідження – алгоритми та методи побудови рекомендаційної системи для персоналізації пропозицій товарів. Метою роботи є розробка прототипу гібридної системи та оцінка її ефективності через експериментальні дослідження. Оглянуто сучасні методи рекомендаційних систем, проаналізовано їхні сильні та слабкі сторони, зокрема обмеження, пов’язані з холодним стартом і недостатньою різноманітністю пропозицій. Виконано підготовку даних, що включала фільтрацію подій, створення ознак на основі характеристик товарів і вагування взаємодій для відображення їхньої бізнес-цінності. Розроблено прототип системи, який поєднує колаборативні та контент-орієнтовані підходи, забезпечуючи оптимальне поєднання їхніх переваг. Проведено оцінку якості рекомендацій за метриками точності, повноти, різноманітності та охоплення асортименту. Результати дослідження підтверджують високу фективність гібридної системи, яка забезпечує релевантні, різноманітні та адаптивні рекомендації. Встановлено її стабільну продуктивність на різних наборах даних. Наукова новизна полягає в обґрунтуванні принципів гібридної архітектури та розробці механізму узгодження результатів різних методів. Практична цінність роботи полягає в можливості застосування системи для підвищення лояльності клієнтів, зростання конверсії та оптимізації комерційних показників платформ електронної комерції.Документ Відкритий доступ Класифікація профілів користувачів на основі характеристик та поведінки(КПІ ім. Ігоря Сікорського, 2025) Бабич, Маргарита Юріївна; Гуськова, Віра ГеннадіївнаДипломна робота: 87 с., 11 рис., 9 табл., 17 посилань, додаток. Об’єкт дослідження – процеси взаємодії клієнтів з платформою електронної комерції, зокрема їх транзакційна активність. Предметом дослідження – методи кластеризації та класифікації для поведінкових даних з метою автоматизованої сегментації та прогнозування профілю для нових користувачів в сфері електронної комерції. Метою роботи – розробка моделі, що поєднує кластеризацію існуючих клієнтів та класифікацію нових користувачів, для побудови інструменту персоналізованого аналізу клієнтської бази. Результати – проведено дослідження ефективності різних методів кластеризації та класифікації для сегментації клієнтів у сфері електронної комерції. Побудовано комбіновану модель, яка дозволяє автоматично визначати сегменти клієнтів на основі транзакційних даних, а також класифікувати нових користувачів до відповідних груп. Шляхи подальшого розвитку предмету дослідження – інтеграція демографічних, поведінкових і інформаційних даних з інших каналів, використання більш складних алгоритмів глибинного навчання для покращення точності класифікації, а також розширення моделі для прогнозування життєвої цінності клієнта і ймовірності відтоку.Документ Відкритий доступ Технології конвертації голосових даних у текстовий формат(КПІ ім. Ігоря Сікорського, 2025) Антонов, Данііл Дмитрович; Кот, Анатолій ТарасовичДипломна робота: 84 с., 10 рис., 9 табл., 14 посилань. У дипломній роботі досліджено методи й архітектури систем автоматичного розпізнавання мовлення (ASR), які дозволяють здійснювати точне перетворення аудіоінформації у текстовий формат. Проведено порівняльний аналіз класичних (HMM, GMM) і сучасних (RNN, Transformer, CTC) підходів. Описано принципи екстракції ознак (MFCC, лог-мел-спектрограми), оцінено вплив шумів і мовних варіацій на точність розпізнавання. Реалізовано прототип системи на базі моделей Whisper та Wav2Vec2, проведено тестування на реальних аудіоданих з використанням метрик WER та CER. Зроблено функціонально-вартісний аналіз і обґрунтовано вибір оптимального рішення для практичної інтеграції.Документ Відкритий доступ Аналіз емоційного контексту зображень із використанням сучасних архітектур глибокого навчання(КПІ ім. Ігоря Сікорського, 2025) Яхненко, Владислава Юріївна; Шаповал, Наталія ВіталіївнаДипломна робота: 85 с., 29 рис., 10 табл., 44 посилань, 1 додаток. Об’єктом дослідження є емоційний контекст зображень, що входять до складу анотованого датасету. Предметом дослідження є глибокі нейронні мережі, мультимодальні моделі, застосовані до задачі класифікації емоційного контексту в зображеннях. Метою роботи є порівняння підходів та визначення найоптимальнішого підходу до автоматичного визначення емоцій в зображеннях на основі візуальних, семантичних і мультимодальних ознак. В результаті виконання роботи реалізовано та протестовано три архітектурні рішення – EfficientNet-B0 (візуальний підхід), CLIP ViT-B/32 (семантичний підхід), та мультимодальну ансамблеву модель (CLIP_BLIP + CNN + DeiT). Найвищі показники продемонструвала мультимодальна ансамблева модель. Новизна полягає у практичному поєднанні візуальних, текстових і семантичних ознак для емоційної класифікації зображень без використання явних текстових підказок. Рекомендації щодо використання – цей підхід може знайти застосування в системах аналізу емоційного впливу рекламних матеріалів, зокрема для оптимізації візуального контенту відповідно до цільової емоційної реакції. Також можливе використання в суміжних сферах – UXдослідженнях, медіааналітиці.Документ Відкритий доступ Система підтримки прийняття рішень із виявлення аномалій на кардіограмах із використанням нейронних мереж(КПІ ім. Ігоря Сікорського, 2025) Чуєв, Ілля Романович; Кухарєв, Сергій ОлександровичДипломна робота: 85 с., 24 рис., 6 табл., 12 посилань, додатки. Об’єктом дослідження є процес автоматизованого аналізу електрокардіограм. Предметом дослідження є програмне забезпечення для аналізу ЕКГ з елементами штучного інтелекту. Метою роботи є створення комп’ютерного інтерфейсу програмування застосунків для дослідження та попередньої діагностики серцево–судинних захворювань за кардіограмами. У роботі розглянуто сучасні методи аналізу електрокардіограм із використанням нейромережевих моделей. Проаналізовано наявні рішення у галузі медичного програмного забезпечення. Розроблено інтерфейс програмування застосунків (API) на базі мови програмування Python із використанням технології FastAPI. Запропоновано модель глибокого навчання для прогнозування можливих патологій серця на основі даних ЕКГ. Для реалізації моделі застосовано бібліотеку TorchECG, що базується на PyTorch. Розроблену систему протестовано на тестових вибірках, отримано коректні результати класифікації основних типів відхилень. Встановлено ефективність використання нейронних мереж для аналізу кардіограм. У роботі виконано програмну реалізацію, протестовано модель та наведено рекомендації щодо подальшого розвитку системи.