Бакалаврські роботи (ММСА)
Постійне посилання зібрання
Переглянути
Нові надходження
Документ Відкритий доступ Інформаційна система «Прогнозування фінансових часових рядів»(КПІ ім. Ігоря Сікорського, 2025) Шинкарчук, Денис Дмитрович; Селін, Юрій МиколайовичДипломна робота: 135 с.,19 рис.,12 табл., 2 дод., 69 джерел. Об’єкт дослідження – фінансові часові ряди, зокрема історичні дані валового внутрішнього продукту (ВВП) країн світу з 1960 по 2022 рік. Предмет дослідження – інформаційні моделі прогнозування часових рядів ВВП та засоби їх реалізації. Мета роботи – розробити гнучку інформаційну систему на мові Python для прогнозування ВВП на основі реальних часових рядів, застосовуючи як класичні статистичні методи (ARIMA), так і моделі машинного навчання. Методи дослідження – математичне моделювання, статистичний аналіз, авторегресійні моделі, алгоритми машинного навчання, лінійна регресія, візуалізація даних. Актуальність – в умовах геополітичної нестабільності, глобальних економічних змін і пандемічних наслідків критично важливо мати точні прогнози основних макроекономічних показників. Побудова адаптивних моделей прогнозування дозволяє органам державного управління, інвесторам і підприємствам приймати обґрунтовані рішення. Результати роботи – реалізовано інформаційну систему, що дозволяє імпортувати, очищати, обробляти та аналізувати фінансові часові ряди ВВП. Побудовано сім моделей прогнозування, результати яких порівнювалися за метриками MAE, MSE, RMSE та MAPE. Шляхи подальшого розвитку предмету дослідження – інтеграція моделі LSTM для покращення довгострокових прогнозів, розширення інформаційної системи до інших економічних індикаторів, впровадження автоматичної оцінки.Документ Відкритий доступ Система аналiзу та класифiкацiї пухлин легень за допомогою статистичних i глибинних ознак(КПІ ім. Ігоря Сікорського, 2025) Ходаковський, Артур Володимирович; Сидорський, Володимир СергiйовичДипломна робота: 160 с., 12 табл., 5 рис., 2 додатки, 22 джерела. Об’єкт дослiдження – процес аналiзу та класифiкацiї легеневих вузлiв на основi зображень комп’ютерної томографiї. Предмет дослiдження – методи аналiзу КТ-зображень та сукупнiсть статистичних (радiомiчних) i глибинних ознак для автоматичної класифiкацiї легеневих вузлiв. Мета роботи – розробка та практична реалiзацiя повного конвеєру CADсистеми для класифiкацiї легеневих вузлiв на основi поєднання класичних радiомiчних та глибинних ознак. Результати роботи – експериментальнi результати демонструють, що неглибиннi (ручнi) статистичнi ознаки не поступаються глибинним ембедингам ResNet-50 та часто перевершують їх. Поєднання радiологiчних семантичних ознак iз статистичними забезпечує найкращу та найстабiльнiшу роботу моделi у всiх трьох сценарiях класифiкацiї, досягаючи точностi до 89,8% та F1-мiри 0,881. Аналiз важливостi ознак показав, що ключовими предикторами є геометричнi характеристики вузла (об’єм та розмiри обмежувальної коробки) та семантичнi оцiнки радiологiв (лобуляцiя, кальцифiкацiя тощо). Перспективи подальшого розвитку – отриманi результати створюють основу для подальших клiнiчних випробувань i впровадження напiвавтоматизованих систем дiагностики раку легень. Перспективи розвитку полягають у пiдвищеннi стiйкостi алгоритму за рахунок формалiзацiї просторового та iнтенсивнiсного контексту КТ-зображень, а також у застосуваннi методiв iнтерпретацiї моделей для пiдвищення довiри клiнiцистiв.Документ Відкритий доступ Модель співставлення потоків для генерації зображень раку шкіри(КПІ ім. Ігоря Сікорського, 2025) Харитонов, Олександр Дмитрович; Баздирев, Антон АндрійовичДипломна робота: 127 с., 24 рис., 12 табл., 2 дод., 40 джерел. Об’єктом дослідження є програмний комплекс для генерації та аналізу дерматоскопічних зображень раку шкіри на основі моделей із методом зіставлення потоків. Предметом дослідження виступають методи синтетичної генерації зображень, їх якісного оцінювання та впливу штучних даних на точність класифікації шкірних утворень. Метою роботи є розробити й експериментально перевірити конвеєр, що компенсує дефіцит медичних даних і підвищує достовірність діагностики завдяки високоякісній синтетичній аугментації. Актуальність зумовлена гострою нестачею дерматоскопічних знімків злоякісних меланом і суттєвою диспропорцією класів у відкритих наборах даних, що ускладнює навчання сучасних глибинних моделей. Результатом роботи є Python/PyTorch-прототип, який забезпечує швидке генерування зображень, їх автоматичне оцінювання та підвищує AUC класифікатора EfficientNet-B0 після додавання 20 000 синтетичних прикладів до набору даних. Подальший розвиток передбачає клінічну валідацію синтетики, адаптацію методики до мультиспектральних даних і впровадження контролю аномалій.Документ Відкритий доступ Методи аналізу показників та виявлення аномалій в інтелектуальному моніторингу веб-застосунків(КПІ ім. Ігоря Сікорського, 2025) Чайка, Микита Сергійович; Древаль, Максим МихайловичДипломна робота: 137 с., 8 табл., 33 рис., 3 додатки, 20 джерел. Об'єкт дослідження – показники роботи веб-застосунків. Предмет дослідження – методи аналізу часового ряду метрик та автоматичного виявлення аномалій у рамках інтелектуального моніторингу веб-застосунків. Мета роботи – розробка та налаштування програмно-аналітичного продукту для аналізу ключових метрик веб-застосунків та автоматичного виявлення аномалій із використанням статистичних алгоритмів, моделі Prophet та платформи Elastic Stack. Актуальність – зі зростанням складності розподілених сервісів і навантажень на них, автоматичний моніторинг і точне виявлення аномалій стають критично важливими для забезпечення безперервності роботи вебзастосунків. Результати роботи – розроблено програмно-аналітичний продукт, що поєднує збір телеметрії через Elastic Stack, прогнозування та виявлення аномалій в роботі веб-застосунків за допомогою моделі Prophet та статистичних методів.Документ Відкритий доступ Рекомендаційна система для e-commerce проектів(КПІ ім. Ігоря Сікорського, 2025) Фисак, Софія Романівна; Гуськова, Віра ГеннадіївнаДипломна робота: 92 с., 16 рис., 8 табл., 25 джерел, 2 додатки. Об’єкт дослідження – користувацькі оцінки та відгуки на товари з ecommerce платформи Amazon. Предмет дослідження – алгоритми та методи побудови рекомендаційних систем, зокрема ті, що поєднують колаборативну фільтрацію та емоційний аналіз тексту. Мета роботи – створити гібридну рекомендаційну систему для ecommerce, яка поєднує матричну факторизацію з емоційним аналізом відгуків користувачів, для надання персоналізованих та емоційно релевантних товарних рекомендацій. Методи дослідження – методи машинного навчання, колаборативної фільтрації та емоційного аналізу з використанням сучасних трансформерів. Актуальність – в умовах зростаючої конкуренції в e-commerce персоналізовані рекомендації з урахуванням емоційної складової здатні значно підвищити конверсію та задоволення користувачів Результати роботи – реалізовано гібридну рекомендаційну систему для e-commerce-платформи. Система поєднує класичний підхід матричної факторизації з емоційним аналізом текстових відгуків, що дозволяє враховувати як кількісні, так і якісні аспекти користувацької взаємодії з товарами. Реалізація виконана мовою Python з використанням відповідних бібліотек для машинного навчання та обробки тексту. Шляхи подальшого розвитку – масштабування системи на більші набори даних, удосконалення емоційної класифікації, а також адаптація системи до інших платформ e-commerce.Документ Відкритий доступ Підтримка особистої ефективності за допомогою застосунка для ведення нотаток з автоматичною категоризацією та аналізом продуктивності(КПІ ім. Ігоря Сікорського, 2025) Терещук, Андрій Володимирович; Древаль, Максим МихайловичДана дипломна робота містить 137 с., 21 рис., 10 табл., 2 дод., 24 джерел. Об’єктом дослідження є способи можливого підвищення особистої ефективності за допомогою цифрових інструментів, зокрема автоматизації обробки текстових нотаток, їхньої категоризації та аналізу продуктивності користувача. Предметом дослідження є методи для автоматичної обробки та класифікації особистих нотаток та надання аналітики користувача за його ефективність з метою покращення організації часу та продуктивності. Метою роботи є розробити програмне забезпечення, яке дозволяє користувачам вести структуровані нотатки з автоматичною категоризацією та аналізом продуктивності. Актуальність проявляється у зростанні потреби в інструментах для ефективного планування та аналізу особистої продуктивності. Використання алгоритмів обробки тексту для роботи з нотатками дозволяє створити інтелектуальну систему, яка не лише впорядковує інформацію, а й надає цінні аналітичні висновки. Результатом роботи є створений програмний застосунок на мові С++ та Python, який надає інтерфейс для створення та редагування нотаток, аналізу їх категорії і представлення індивідуальних аналітичних результатів обробки записів. Подальший розвиток полягає в вдосконалені алгоритмів класифікації, додавання функцій аналізу емоційного забарвлення текстів, створення нових аналітичних модулів, а також покращення інтерфейсу користувача.Документ Відкритий доступ Прогнозування поширення фейкових новин за допомогою глибокого причинно-наслідкового аналізу(КПІ ім. Ігоря Сікорського, 2025) Сенько, Мирослава Віталіївна; Титаренко, Андрій МиколайовичДипломна робота: 83 с., 7 рис., 13 табл., 1 додаток, 14 джерел. У дипломній роботі розглянуто проблему поширення фейкових новин у соціальних мережах та проаналізовано ефективність методів причиннонаслідкового виводу для виявлення схильності користувачів до поширення недостовірної інформації. Основною метою роботи є виявлення причинних залежностей між характеристиками користувачів соціальних мереж та їхньою схильністю до поширення фейкових новин шляхом моделювання поведінки поширення фейків. Об’єктом дослідження є поведінка користувачів у цифровому середовищі, предметом — застосування модифікованих рекомендаційних алгоритмів з корекцією селекційного викривлення для виявлення закономірностей поширення фейкових новин. У роботі розглянуто сучасні підходи до виявлення та моделювання фейкового контенту, зокрема методи прогнозування поведінки користувачів. Особливу увагу приділено байєсівському персоналізованому ранжуванню з матричною факторизацією та його модифікаціям, які враховують ймовірність експозиції. Реалізовано три підходи до оцінки експозиції: на основі популярності, у поєднанні з характеристиками користувачів, а також із використанням нейронної моделі. Для подальшого аналізу впливу індивідуальних характеристик користувачів застосовано логістичну регресію, результати якої підтвердили наявність причинного зв’язку між окремими профільними та поведінковими ознаками та схильністю до поширення фейкових новин.Документ Відкритий доступ Розподіл потоків в великих мережах промислового призначення з оптимальним перерозподілом джерел постачання(КПІ ім. Ігоря Сікорського, 2025) Рудий, Дмитро Ігорович; Касьянов, Павло ОлеговичДипломна робота: 88 с., 10 рис., 9 табл., 2 додатки, 18 джерел. Об’єкт дослідження — процес розподілу ресурсів у мережах промислового типу з урахуванням структури графа, обмежень на потоки та динамічних характеристик джерел і споживачів. Предмет дослідження — математичні методи оптимізації потоків у мережах, зокрема побудова двоїстої задачі на основі методу множників Лагранжа та алгоритми чисельного розв’язання з використанням потенціалів вузлів. Мета роботи — розробка та реалізація математичної моделі оптимального розподілу потоків у мережах із частково змінними вузловими подачами, побудова відповідної двоїстої задачі та апробація ефективного алгоритму її розв’язання на тестових графах різної топології. Актуальність — оптимальний розподіл потоків у мережах є критично важливим завданням у сферах енергетики, транспорту, водопостачання та інших інфраструктурних систем. Результати роботи — розроблено програмний застосунок, що реалізує повний цикл оптимізації потоків у мережах на основі нелінійної моделі збереженням розподілу потоків, аналізом втрат і збереженням оптимізованих графів.Документ Відкритий доступ Моделювання динамічних процесів з використанням глибоких нейронних мереж(КПІ ім. Ігоря Сікорського, 2025) Підгорний, Станіслав Станіславович; Дмитрієва, Ольга АнатоліївнаДипломна робота: 102 с., 40 рис., 10 табл., 2 додатки, 15 джерел Об’єктом дослідження є процеси моделювання поведінки динамічних об’єктів, які описуються звичайними диференціальними рівняннями та їх системами, реалізовані з використанням глибоких нейронних мереж. Предметом дослідження є застосування методів глибокого навчання для побудови наближених вирішувачів звичайних диференціальних рівнянь. Метою роботи є розробка та дослідження ефективності нейромережевих підходів для моделювання динаміки систем, представлених у вигляді звичайних диференціальних рівнянь, а також порівняльний аналіз точності запропонованих інтеграторів. У роботі розглянуто підходи до побудови моделей інтеграторів, які ґрунтуються на однокрокових стадійних і вкладених чисельних методах, проведено навчання нейронних мереж різних архітектур, виконано тестування з застосуванням метрик оцінювання якості на прикладах класичних рівнянь і систем. Розроблений програмний продукт реалізовано мовою Python із використанням бібліотек TensorFlow, NumPy, Matplotlib, Scikit-learn. Методологія дослідження базувалася на основних положеннях теорії диференціальних рівнянь. Побудова наближуваних вирішувачів мала своїм підґрунтям сучасні напрацювання чисельних методів, теорії нейронних мереж і методів глибокого навчання. Аналіз отриманих результатів роботи здійснювався із залученням основних положень інтелектуального аналізу даних. Практичне значення роботи полягає у застосуванні нейронних мереж для моделювання складних динамічних процесів, де класичні методи недостатньо ефективні або обчислювально затратні. Результати роботи можуть бути використані для побудови адаптивних моделей в прикладних галузях.Документ Відкритий доступ Порівняльний аналіз кореляції між біткоїном та різними класами активів(КПІ ім. Ігоря Сікорського, 2025) Пономарьов, Тимофій Артемович; Стусь, Олександр ВікторовичДипломна робота містить 97 с., 10 табл., 29 рис., 3 дод., 8 джерел. Об’єкт дослідження – взаємозв’язки між криптовалютою Bitcoin та традиційними фінансовими ринковими активами. Предмет дослідження – динаміка коефіцієнтів кореляції між ціною біткойна та зазначеними активами у період 2017–2024 років. Мета дипломної роботи — дослідити, як змінюється кореляція між Bitcoin та різними класами фінансових активів, а саме: золотом, нафтою марки Brent, фондовими індексами S&P 500 і NASDAQ. Результат роботи – аналітичні виводи щодо кореляції біткоїна із різноманітнми класами активів, які можна використовувати на практиці з метою формування інвестиційного портфелю, як фондам, так і часним інвесторам. Програмний продукт було розроблено із використанням мови програмування Python.Документ Відкритий доступ Алгоритмічні моделі машинного навчання для аналізу та прогнозування у сфері кінематографу(КПІ ім. Ігоря Сікорського, 2025) Пахомов, Максим Романович; Дмитрієва, Ольга АнатоліївнаДипломна робота: 108 с., 14 рис., 11 табл., 2 додатки, 14 джерел. Об’єктом дослідження є процеси аналізу та прогнозування показників ефективності фільмів у кінематографічній галузі за допомогою алгоритмів машинного навчання. Предметом дослідження є застосування методів регресії, рекомендаційних систем і модифікованих моделей бустингу для прогнозування касових зборів та формування персоналізованих рекомендацій на основі контентних ознак фільмів. Метою даної роботи є дослідження та практичне застосування алгоритмічних моделей машинного навчання для аналізу, прогнозування та рекомендації у сфері кінематографу з урахуванням бюджетної значущості фільмів у функції втрат. Методи розробки базуються на використанні алгоритмів машинного навчання, математичної статистики. Попередній аналіз і обробка даних проводилися із залученням основних підходів статистичного аналізу даних та теорії випадкових процесів. Модифікація алгоритмів для побудови рекомендаційних систем спиралася на введення допоміжних ознак, а також розширення стандартних моделей шляхом коригування функцій втрат. Практичне значення полягає у можливості застосування розробленої системи для оцінки комерційного потенціалу фільмів, підтримки прийняття рішень у кіновиробництві, а також покращення користувацького досвіду через рекомендаційний модуль, що допомагає глядачам знаходити фільми на основі їхніх уподобань.Документ Відкритий доступ Знаходження оптимальних траєкторій фізичних об’єктів зі змінною масою в важкопрохідних середовищах із застосуванням принципу максимуму Понтрягіна(КПІ ім. Ігоря Сікорського, 2025) Михайлов, Валерій Валерійович; Подколзін, Гліб БорисовичДипломна робота: 82 сторінок, 7 рисунків, 7 таблиць, 2 додатки, 10 джерел. Об’єкт дослідження — задача оптимального управління рухом об’єкта з накопиченням маси у неоднорідному середовищі. Мета роботи — розробка математичної моделі та методів розв’язання задачі побудови оптимальних траєкторій руху з урахуванням ефекту накопичення маси залежно від важкопрохідності середовища. Методи дослідження — застосування варіаційного числення, принципу максимума Понтрягіна, теорії оптимальних процесів та чисельних методів оптимізації для формулювання та розв’язання відповідних задач оптимального управління. Результат роботи — сформульовано математичну постановку задачі оптимального керування з урахуванням ефекту накопичення маси в термінах варіаційного числення. Застосовано принцип максимума Понтрягіна для визначення умов оптимальності траєкторій при заданому розподілі важкопрохідності середовища. Розроблено та реалізовано чисельні методи для розв’язання задачі пошуку оптимального керування. Проведено функціонально-вартісний аналіз отриманих результатів. Здійснено чисельну перевірку розроблених методів за допомогою мови програмування Python.Документ Відкритий доступ Система прогнозування рівня інфляції в країні(КПІ ім. Ігоря Сікорського, 2025) Кулєшов, Андрій Денисович; Куєвда, Юлія ВалеріївнаДипломна робота: 118 с., 14 рис., 7 табл., 18 посилань, 2 додатки Об'єкт дослідження – процес прогнозування інфляції із використанням ретроспективних макроекономічних даних. Предмет дослідження – методи машинного навчання, які використовуються для створення моделей прогнозування, підбору їх параметрів та оцінки якості отриманих результатів. Мета роботи – порівняння існуючих методів і підходів до прогнозування інфляції, а також практична реалізація одного з них на основі сучасних алгоритмів машинного навчання. Актуальність теми обумовлена надзвичайною важливістю точного прогнозування інфляції для прийняття рішень у сфері монетарної політики, управління ризиками, формування бюджету та загальної економічної стабільності держави. Особливої значущості проблема набуває в умовах України, де макроекономічна ситуація характеризується підвищеною нестабільністю, впливом зовнішніх шоків, воєнних дій, пандемії COVID-19, коливань валютного курсу й енергетичних криз. Традиційні статистичні та економетричні підходи не завжди дозволяють врахувати всю складність та багатовимірність економічних процесів, а також вчасно адаптуватися до нових умов, що виникають під впливом надзвичайних подій.Документ Відкритий доступ Автоматизована система тестування безпеки автономних транспортних засобiв у критичних умовах з використанням симуляцiйного середовища(КПІ ім. Ігоря Сікорського, 2025) Книш, Богдан Олегович; Титаренко, Андрiй МиколайовичДипломна робота: 160 с., 31 рис., 6 табл., 2 додатки, 49 джерел. Об’єктом дослiдження є процес валiдацiї алгоритмiв автономного керування транспортними засобами в критичних умовах експлуатацiї. Предметом дослiдження є методологiя застосування iгрових рушiїв як високоефективних iнструментiв унiверсальної та адаптивної верифiкацiї автономних систем. Метою дослiдження є розробка i апробацiя системи автоматичної генерацiї параметризованого середовища тестування для комплексної верифiкацiї системи автоматичного керування транспортними засобами у рiзноманiтних сценарiях пiдвищеної складностi. Теоретико-методологiчна база дослiдження ґрунтується на фундаментальних працях та емпiричних дослiдженнях, представлених на мiжнародних конференцiях i в наукових архiвах у галузi комп’ютерного зору, машинного навчання, а також на iнновацiйних розробках у сферi автономного керування транспортними засобами та прикладних дослiдженнях щодо використання синтетичних даних для навчання та валiдацiї iнтелектуальних систем керування. У процесi виконання дипломної роботи розроблено iнтегровану систему, що забезпечує програмовану генерацiю рiзноманiтних сценарiїв випробувань з варiативними параметрами середовища i критичними умовами експлуатацiї. Програмна реалiзацiя системи здiйснена на базi iгрового рушiя Unreal Engine iз застосуванням симулятора транспортного засобу AirSim, системи автопiлотування Ardupilot, протоколу обмiну даними MavLink та iнтерфейсу користувача, iмплементованого мовою Python/C++.Документ Відкритий доступ Глибокі нейронні мережі у прогнозуванні популяційної динаміки(КПІ ім. Ігоря Сікорського, 2025) Кобєлєв, Володимир Євгенійович; Дмитрієва, Ольга АнатоліївнаДипломна робота: 84 с., 13 рис., 10 табл., 2 додатки, 17 джерел. Об’єктом дослідження кваліфікаційної роботи є динамічні процеси популяційної динаміки, що описуються звичайними диференціальними рівняннями та їх системами із сконцентрованими параметрами. Предметом дослідження виступають наближені вирішувачі, побудовані за допомогою глибоких нейронних мереж і орієнтовані на відновлення поведінки динамічних об’єктів. Мета роботи полягає у розробці інтеграторів з використанням глибоких нейронних мереж диференціального типу, орієнтованих на відновлення поведінкових траєкторій динамічних об’єктів. У роботі реалізовано побудову нейронної мережі диференціального типу, що апроксимує похідну стану системи у часі. Навчальні та тестові дані сформовано на основі симульованих траєкторій, отриманих класичними однокроковими методами інтегрування. Проведено навчання, оцінено точність прогнозу з використанням стандартних метрик. Розроблений програмний продукт реалізовано мовою Python із використанням бібліотек PyTorch, NumPy, Matplotlib, Pandas та SciPy. Методологія дослідження базується на математичних засадах теорії звичайних диференціальних рівнянь, теорії алгоритмів, використовує підходи обчислювальної математики, математичної статистики, машинного навчання. Практичне значення роботи полягає у побудові універсального інтегратора для реалізації прогностичних моделей у випадках обмеженості обсягів експериментальних даних.Документ Відкритий доступ Метод композиції розв‘язування збурених параболічних рівнянь(КПІ ім. Ігоря Сікорського, 2025) Загребельна, Марина Віталіївна; Бондаренко, Віктор ГригоровичДипломна робота: 135 с., 9 табл., 21 рис., 2 дод., 13 джерел. У дипломній роботі досліджено задачу побудови розв’язку збуреного параболічного рівняння, де збурення задано диференціальним оператором першого порядку з просторово змінним коефіцієнтом. Такі рівняння описують фізичні процеси з додатковими впливами (наприклад, зсув, дрейф), які потребують спеціального підходу до моделювання. Як базову ідею використано метод композиції операторів на основі формули Троттера, що дозволяє подати розв’язок задачі Коші у вигляді ітераційної композиції півгруп, породжених окремими частинами операторів. Це дозволяє ефективно розв’язувати складні задачі шляхом поетапного обчислення простіших підзадач. У ході роботи побудовано алгоритм реалізації методу, проведено теоретичний аналіз збіжності та оцінок похибки, а також виконано чисельне моделювання. Об’єкт дослідження: математичні методи розв’язування параболічних рівнянь з розподіленими параметрами. Предмет дослідження: застосування методу композиції операторів до збурених параболічних рівнянь. Мета роботи: побудувати, обґрунтувати та реалізувати метод розв’язування задачі Коші зі збуренням на основі формули Троттера, а також проаналізувати точність чисельного розв’язку.Документ Відкритий доступ Побудова рекомендаційної системи фільмів з урахуванням вподобань користувачів та мета-інформації про фільм(КПІ ім. Ігоря Сікорського, 2025) Дроздов, Нікіта Андрійович; Подколзін, Гліб БорисовичДипломна робота: 82 с., 22 рис., 7 табл., 2 додатки, 17 джерел Об’єктом дослідження є платформи та сервіси для перегляду фільмів і серіалів з можливістю персоналізованих рекомендацій. Предметом дослідження є алгоритми рекомендацій, їхні методи та можливість оптимізації. Метою роботи є дослідження побудови рекомендаційних систем, найефективніших підходів до роботи з різними обсягами даних, та реалізація власної рекомендаційної системи. У роботі розглянуто сучасні підходи до побудови рекомендаційних систем, реалізовано модель колаборативної фільтрації за допомогою алгоритму SVD та контентну модель на основі векторного представлення фільмів із використанням TF-IDF. Запропоновано метод поєднання результатів моделей у вигляді гібридної системи. Система тестувалася на наборі даних MovieLens ml-latest-small. Для оцінки якості побудованих моделей використано метрики RMSE та MAE. Програмну реалізацію виконано мовою Python. Методологія дослідження базується на застосуванні методів машинного навчання, аналізу латентних факторів, обробки текстових даних. Практичне значення роботи полягає у створенні універсального та розширюваного підходу до побудови рекомендаційних систем, який поєднує сильні сторони різних підходів — точність колаборативної фільтрації та гнучкість контентного аналізу. Отримані результати можуть бути використані для впровадження в стримінгові сервіси.Документ Відкритий доступ Прискорення збіжності ітераційних методів обчислення спектру у задачах моделювання фінансових ринків(КПІ ім. Ігоря Сікорського, 2025) Гриша, Ярослав Олегович; Дмитрієва, Ольга АнатоліївнаДипломна робота: 109 с., 16 рис., 8 табл., 2 дод., 19 джерел. Об’єкт дослідження - стохастичні процеси, що описують динаміку фінансових ринків. Предмет чисельні методи спектрального аналізу симетричних кореляційних матриць великої розмірності. Мета - дослідження впливу обраного методу множення матриць на збіжність і ефективність ітераційних алгоритмів. У роботі розглянуто класичні та оптимізовані алгоритми QR декомпозиції, поелементне, рекурсивне, блокове множення та алгоритми Штрассена і Карацуби. Проведено чисельні експерименти з вимірюванням часу, пам’яті та прискорення. Реалізацію виконано мовою Python з використанням сучасних бібліотек. Методологія базується на теорії алгоритмів, чисельному аналізі та теорії випадкових процесів. Визначено масштабованість і стабільність QR-ітерацій. Практичне значення удосконалення методів спектрального розкладу для задач фінансової аналітики, аналізу ризиків та моделювання ринкових залежностей.Документ Відкритий доступ Топологiя в аналiзi даних(КПІ ім. Ігоря Сікорського, 2025) Глушенок, Iлля Сергiйович; Спекторський, Iгор ЯковичДипломна робота мiстить 127 сторiнок, 9 таблиць, 19 рисункiв, 3 додатки, 34 джерела. Об’єкт дослiдження — простiр стiйких гомологiй. Предмет дослiдження — застосування похiдних вiд стiйких гомологiй об’єктiв в аналiзi даних та машинному навчаннi. Мета роботи — дослiдження використання стiйких гомологiй в задачах аналiзу даних та машинного навчання. Методи дослiдження — деякi роздiли аналiзу, алгебри та топологiї. Результат роботи — було представлено пiдхiд до класифiкацiї зображень, використовуючи стiйкi гомологiї, введено необхiднi поняття та запропоновано пiдхiд до загальної задачi машинного навчання. За допомогою мови програмування Python було показано доцiльнiсть введеного пiдходу на задачi класифiкацiї рукописних чисел.Документ Відкритий доступ Персоналізоване прогнозування дохідності клієнта в підписочній моделі юніт-економіки(КПІ ім. Ігоря Сікорського, 2025) Гармаш, Іван Сергійович; Стусь, Олександр ВікторовичДипломна робота: 100 с., 13 табл., 35 рис., 2 додатки, 10 джерел. Об'єкт дослідження: користувачі цифрових сервісів із підписочною моделлю монетизації. Предмет дослідження: методи для прогнозування довгострокової дохідності клієнтів (LTV) у підписочній юніт-економіці. Мета дослідження: створити програмний продукт мовою програмування Python, що прогнозує LTV окремих клієнтів і сегментів на основі історичних даних, ураховуючи показники ретенції, відтоку та реакції на цінові пакети. Використані моделі: ієрархічний підхід для розрахунків на глибокому рівні сегментації, класифікаційна модель HistGradientBoostingClassifier, яка допомогає визначити ймовірність оплати користувачем по підписці, на основі якої буде потім рахуватися LTV, а також регресійна модель HistGradientBoostingRegressor. Отримані результати: розроблено прототип трьох підходів, які стабільно генерують прогнози LTV для нових і поточних клієнтів, а також з мінімальною похибкою рахує когортний прибуток клієнтів. Перспективи подальших досліджень: адаптація підходів для використання в продакшені, насичення моделей додатковими даними, налаштування репортингу для ознайомлення з даними зацікавлених облич, роботи над покращенням точності.