Бакалаврські роботи (ММСА)
Постійне посилання зібрання
Переглянути
Нові надходження
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.Документ Відкритий доступ Диференціальні рівняння з похідними дробового порядку – застосування та методи розв’язування(КПІ ім. Ігоря Сікорського, 2025) Велитченко, Марія Ігорівна; Бондаренко, Віктор ГригоровичДипломна робота містить 97 с., 10 табл., 13 рис., 2 дод., 19 джерел. У даній дипломній роботі проведено дослідження застосувань та методів розв’язування диференціальних рівнянь з дробовими похідними. Рівняння такого типу широко використовуються у багатьох галузях техніки і науки, у задачах, де потрібно моделювати процеси з пам’яттю та аномальну динаміку. У роботі наведено приклади лінійних та нелінійних диференціальних рівнянь з дробовими похідними та реалізовано для них метод скінченних різниць з використанням L1-схеми та метод декомпозиції Адоміана. Було проведено порівняння результатів методів, а також аналіз оцінок похибок. Об’єкт дослідження: диференціальні рівняння з похідними дробового порядку. Предмет дослідження: застосування методу скінченних різниць з використанням L1-схеми у порівнянні до методу декомпозиції Адоміана для знаходження розв’язку диференціальних рівнянь дробового порядку. Мета дослідження: побудувати, проаналізувати та порівняти розв’язки методом скінченних різниць та методом декомпозиції Адоміана. Методи дослідження: чисельні експерименти для аналізу та порівняння результатів, реалізація алгоритмів методів за домогою мови програмування Python.Документ Відкритий доступ Двонаправлена адаптацiя великих мовних моделей-декодерiв для обробки української природної мови(КПІ ім. Ігоря Сікорського, 2025) Гавлицький, Iван Вiкторович; Баздирев, Антон АндрiйовичДипломна робота: 148 с., 8 табл., 15 рис., 2 додатки, 32 джерела. Об’єкт дослiдження– авторегресивнi трансформернi моделi великої розмiру (LLMs) декодерного типу. Предмет дослiдження– методи перетворення декодер-онлi моделей на iнструмент, здатний працювати з двостороннiм контекстом для задач аналiзу української природної мови. Мета роботи– розробити, дослiдити та експериментально обґрунтувати ефективнiсть пiдходiв до двонаправленої адаптацiї авторегресивних мовних моделей шляхом архiтектурних модифiкацiй i спецiалiзованого донавчання, а також визначити вплив мовної специфiки та обраних стратегiй адаптацiї на результати в задачах маркування послiдовностей українською мовою. Результатом роботи є розроблений фреймворк двонаправленої адаптацiї декодерних моделей на основi модифiкацiї механiзму уваги та цiльового донавчання, а також демонстрацiя переваг запропонованого пiдходу на задачах маркування послiдовностей для української мови. Проведено комплексний аналiз впливу рiзних стратегiй донавчання та мовної специфiки корпусу, здiйснено порiвняння з сучасними енкодерними моделями, виявлено практичнi обмеження iснуючих метрик оцінки двонаправленостi. Подальший розвиток дослідження передбачає впровадження альтернативних позицiйних енкодингiв та схем пулiнгу, розширення експериментального бенчмарку на задачi семантичних ембедингiв, а також продовження аналiзу внутрiшнiх метрик процесу адаптацiї трансформерних моделей.Документ Відкритий доступ Аналітична система для оцінювання футбольних гравців та їх прогнозної трансферної вартості(КПІ ім. Ігоря Сікорського, 2025) Бодашевський, Дмитро Євгенійович; Кузнєцова, Наталія ВолодимирівнаДипломна робота: 111 с., 14 рис., 6 табл., 2 дод., 16 джерел. Об’єкт дослідження — прогнозування трансферної вартості футболістів. Предмет дослідження — підходи до передбачення трансферної вартості футболістів. Мета роботи — проаналізувати предмет дослідження, розробити альтернативний спосіб передбачення трансферної вартості футболістів, перевірити його ефективність у порівнянні з існуючими підходом. Методи дослідження — метод багатофакторного аналізу, експертна оцінка та моделювання коефіцієнтів. Актуальність — задача розробки альтернативного способу прогнозування з метою покращення точності передбачення трансферної вартості. Зниження ймовірності понесення збитків футбольних клубів на трансферному ринку. Результати роботи — було створено і протестовано альтернативний метод прогнозування трансферної вартості гравців. Аналіз роботи показав, що новий спосіб прогнозування трансферної вартості гравців точніший за існуючі методи для прогнозування. Шляхи подальшого розвитку предмету дослідження - додавання більшої кількості вхідних даних, розробка додаткових параметрів оцінювання, вдосконалення швидкодії, розробка зручного користувацького інтерфейсу.Документ Відкритий доступ Прогнозування вичерпання запасів у військових ланцюгах постачання(КПІ ім. Ігоря Сікорського, 2025) Архипов, Яків Дмитрович; Касьянов, Павло ОлеговичДипломна робота: 147 с., 9 табл., 35 рис., 2 додатки, 31 джерел. Об'єкт дослідження: процес забезпечення військових підрозділів ресурсами через логістичні поставки. Предмет дослідження: методи прогнозування для оцінки ризику нестачі запасів у точках доставки. Мета дослідження: розробка та апробація математичної моделі для прогнозування рівня запасів і оцінки ймовірності нульового запасу. Використані моделі: модель Крамера-Лундберга, статистичні методи (ARIMA, TSB, Prophet), програмна реалізація на Python. Отримані результати: розроблено програмний продукт для прогнозування рівня запасів, проведено його апробацію на змодельованих даних для різних локацій і типів ресурсів. Подальші дослідження: вдосконалення моделей шляхом врахування додаткових факторів, інтеграція в системи підтримки рішень, адаптація для цивільних задач критичної інфраструктури.Документ Відкритий доступ Фрактальні моделі часових рядів(КПІ ім. Ігоря Сікорського, 2025) Бестужева, Поліна Олександрівна; Бондаренко, Віктор ГригоровичДипломна робота: 96 сторінок, 13 таблиць, 26 рисунків, 2 додатки, 27 джерел. Об’єкт дослідження — фрактальний броунівський рух (fractal Brownian motion, fBm). Предмет дослідження — методи моделювання та прогнозування часових рядів з довготривалою пам’яттю на основі fBm. Мета роботи — дослідження математичних властивостей fBm та побудова ефективних методів прогнозування часових рядів з його використанням. Методи дослідження — теорія стохастичних процесів, чисельне моделювання, аналіз коваріаційних структур, методи умовного математичного сподівання, ARIMA-моделювання, функціонально-вартісний аналіз. У роботі досліджено математичні основи fBm, зокрема властивості самоподібності, інкрементної стаціонарності та гауссівської природи. Описано та проаналізовано три класичні методи моделювання fBm. Побудовано оцінки основних параметрів fBm, перевірено статистичні гіпотези на основі граничних теорем. Здійснено прогнозування fBm за допомогою методу умовного математичного сподівання та моделі ARIMA. Проведено оцінювання точності за критерієм MSE. Програмну реалізацію fBm виконано в середовищі Google Colaboratory мовою програмування Python із використанням бібліотек FBM, NumPy, statsmodels, matplotlib та інших. Результати роботи можуть бути використані для аналізу, моделювання та прогнозування часових рядів у фінансовій, інженерній, гідрологічній та телекомунікаційній сферах.Документ Відкритий доступ Інформаційна система підтримки запитів користувачів(КПІ ім. Ігоря Сікорського, 2025) Щербаченко, Микола Сергійович; Кузнєцова, Наталія ВолодимирівнаДипломна робота: 143 с., 32 рис., 8 табл., 2 додатки, 20 джерел. Об’єкт дослідження – автоматизація документообігу в ЗВО, зокрема подання та обробка наукових публікацій. Предмет дослідження – використання Telegram-бота і бази даних для взаємодії авторів із редакцією журналу. Мета роботи – створити Telegram-бота, що дозволяє подавати статті, авторизуватись, передавати метадані, отримувати зворотний зв’язок і сповіщення про статус публікації. Методи дослідження – аналіз сучасних цифрових рішень, Telegram Bot API, фреймворк aiogram, SQLite, перевірка відповідності файлів технічним вимогам, застосування принципів побудови інтерактивного інтерфейсу. Актуальність – сучасна подача статей потребує автоматизації: чат-бот у Telegram є доступнішим, швидшим та дешевшим у реалізації порівняно з вебсайтами чи електронною поштою. Результати роботи – реалізовано Telegram-бота, що підтримує авторизацію, подання та оновлення статей, перевірку файлів, заповнення метаданих двома мовами, зміну статусу адміністратором, сповіщення, оновлення контактних даних, збереження історії. Подальший розвиток – інтеграція з редакційною базою даних, експорт до OJS (Open Journal Systems, скорочено OJS), підтримка кількох журналів, автоматична перевірка на плагіат, додаткові ролі користувачів. Технології – Python, aiogram, SQLite, SQLAlchemyДокумент Відкритий доступ Метод покращення результатів великих мовних моделей у складних задачах zero-shot класифікації шляхом декомпозиції запитань на простіші підзапитання(КПІ ім. Ігоря Сікорського, 2025) Шатілов, Даніїл Олексійович; Недашківська, Надія ІванівнаДипломна робота містить 130 с., 9 табл., 40 рис., 2 дод., 37 джерел Мета дослідження – провести експериментальний аналіз запропонованого методу використовуючи запропоновані мета– класифікатори та великі мовні моделі на запропонованих складних задачах класифікації, таких як задача класифікації згенерованого штучним інтелектом тексту, задача класифікації логічної узгодженості двох речень, Задача класифікації схожості значення слова у двох різних реченнях. Об’єкт дослідження – процес покращення результатів великих мовних моделей у складних задачах zero-shot класифікації шляхом декомпозиції запитань на простіші підзапитання. Предмет дослідження – методи машинного навчання та великі мовні моделі для проведення zero-shot класифікації текстів Використані методи – власний запропонований метод покращення результатів великих мовних моделей у складних задачах zero-shot класифікації шляхом декомпозиції запитань на простіші підзапитання, методи машинного навчання, інтелектуального аналізу даних, методи обробки природної мови Отримані результати – у результаті проведених експериментів було підтверджено, що запропонований метод покращення zero-shot класифікації є ефективним для вирішення складних задач класифікації текстів. Було показано, що розбиття основного запитання на серію простіших підзапитань дозволяє великим мовним моделям краще зрозуміти суть задачі, що, у свою чергу, підвищує якість прийняття рішення.Документ Відкритий доступ Моделювання генерації сонячної енергії з використанням системи зберігання для мінімізації штрафів(КПІ ім. Ігоря Сікорського, 2025) Шумар, Борис Ігорович; Савастьянов, Володимир ВолодимировичДипломна робота: 105 сторінок, 29 рисунків, 2 додатки, 22 джерела. Тема роботи — моделювання роботи сонячної електростанції з урахуванням погодних, сезонних факторів та можливості планування генерації. Також, у роботі наведено програмну реалізацію системи моделювання та прогнозування генерації сонячної енергії системами сонячної електростанції. Об’єктом дослідження є процес генерації сонячної електроенергії в умовах змінних погодних факторів та планування з урахуванням використання систем накопичення енергії. Метою роботи є розробка системи моделювання роботи сонячної електростанції з урахуванням впливу зовнішніх факторів, можливості використання систем накопичення енергії та штрафних санкцій за відхилення від прогнозу. Також передбачається аналіз сценаріїв для визначення доцільності застосування накопичувачів енергії при плануванні генерації. У процесі виконання роботи було реалізовано порівняння моделей машинного навчання для прогнозування та було реалізовано моделювання роботи сонячної електростанції за допомогою мови програмування Python. У якості тестових даних було використано набір ”Solar Power Generation Data” (режим доступу - вільний) з ресурсу Kaggle. Під час написання роботи було використано сучасні наукові статті, що описують роботу сонячної електростанції, моделювання прогнозування, використання оптимізаторів (в цій роботі - систем накопичення енергії) та загальні статті, що описують механізми роботи систем сонячної електростанції.Документ Відкритий доступ Візуальна система для оцінювання якості програмного коду на основі статичного аналізу(КПІ ім. Ігоря Сікорського, 2025) Татарін, Євгеній Олегович; Куєвда, Юлія ВалеріївнаДипломна робота: 118 с., 21 рис., 17 табл., 2 дод., 21 дж. Об’єкт дослідження – процес оцінки якості програмного коду на основі метрик статичного аналізу, зокрема загальних та об'єктно-орієнтованих показників. Предмет дослідження – метрики складності, підтримуваності та архітектурної якості Python-коду, а також методи їх автоматизованого аналізу й візуалізації у процесі статичного дослідження програмних проєктів. Програмний продукт – розроблена візуальна система оцінки якості коду реалізована з використанням таких технологій: Python 3.12 як основна мова програмування; Flask для створення веб-інтерфейсу; Radon – для обчислення ключових метрик, таких як індекс підтримуваності (MI), цикломатична складність (CC) та сирі характеристики коду; вбудований модуль AST (Abstract Syntax Tree) – для точного аналізу структури програмного коду. Мета роботи – розробити систему, що забезпечує виконання статичного аналізу програмного коду з подальшою візуалізацією та інтерактивною інтерпретацією отриманих метрик якості. Така система покликана підвищити ефективність контролю над кодовою базою, сприяти своєчасному виявленню потенційно проблемних ділянок на ранніх етапах розробки, а також слугувати інструментом підтримки прийняття рішень для фахівця, відповідального за архітектурне проєктування програмного забезпечення. Метод дослідження – у роботі застосовано аналітичні методи оцінки метрик програмного коду, елементи функціонально-вартісного аналізу, а також алгоритмічні підходи до обробки даних та візуалізації результатів статичного аналізуДокумент Відкритий доступ Визначення орієнтації об’єкта за допомогою машинного навчання на основі ключових точок(КПІ ім. Ігоря Сікорського, 2025) Шадевський, Андрій Едуардович; Куєвда, Юлія ВалеріївнаДипломна робота: 95 с., 10 табл., 34 рис., 2 додатки, 41 джерело. Об'єкт дослідження – процес автоматизованого аналізу візуальної інформації в інтелектуальних інформаційних системах. Предмет дослідження – методи машинного навчання, зокрема згорткові нейронні мережі, для визначення орієнтації об’єкта за зображенням на основі ключових точок. Мета роботи – реалізувати та використати підхід до автоматичного визначення орієнтації об’єкта на зображенні з використанням глибинного навчання з використанням ключових точок. Методи дослідження – згорткові нейронні мережі, комп’ютерний зір, машинне навчання, генетичні алгоритми. Актуальність – зростання можливих сфер використання точного визначенні орієнтації об’єктів в реальному часі. Результати роботи – проведено дослідження та порівняння різних архітектур для прогнозу ключових точок. Порівняно різні версії YOLO-pose. Експериментально підібрано оптимальний розмір вхідних зображень для обраного набору даних, реалізовано програмний продукт на мові програмування Python на основі YOLOv8-pose, оптимізовано гіперпараметри, здійснено визначення орієнтації об’єктів з достатньою точністю, проведено функціонально-вартісний аналіз рішення. Шляхи подальшого розвитку предмету дослідження – вдосконалення архітектури моделі, дослідження тривимірної орієнтації, розширення наборів даних, інтеграція у практичні автоматизовані системи.Документ Відкритий доступ Система підтримки прийняття рішень для прогнозування зміни тренду на ринку криптовалют на основі очікування користувачів(КПІ ім. Ігоря Сікорського, 2025) Тараторін, Ілля Михайлович; Канцедал, Георгій ОлеговичДипломна робота містить 111 с., 10 табл., 24 рис., 2 дод., 27 джерел. Об’єкт дослідження – динаміка цінових трендів провідних криптовалют та пов’язана з ними поведінка індикаторів ринкового сентименту. Предмет дослідження – методи й моделі машинного навчання для виявлення точок розвороту тренду, що використовують комбіновану інформацію з технічних та поведінкових показників. Мета роботи – розробити систему підтримки прийняття рішень, яка на основі індикаторів ринкового сентименту та алгоритмів машинного навчання прогнозує зміну тренду на ринку криптовалют і генерує торгові сигнали. Результат роботи – прототип системи з графічним інтерфейсом, що в реальному часі відображає ціновий графік активу та генерує торгові сигнали. Система може працювати напівавтоматично, підвищуючи обґрунтованість рішень трейдера та слугувати базою для подальшого вдосконалення стратегій. Програмний продукт було розроблено із використанням мови програмування Python.Документ Відкритий доступ Статистичні підходи до перевірки гіпотез: частотна та баєсова методології(КПІ ім. Ігоря Сікорського, 2025) Василенко, Поліна Сергіївна; Тимощук, Оксана ЛеонідівнаДипломна робота містить 118 с., 7 табл., 28 рис., 2 дод., 13 джерел. Об’єктом дослідження є процес прийняття рішень за результатами A/B тестування. Предметом дослідження виступають статистичні підходи до перевірки гіпотез, зокрема частотна та баєсова методології, а також вплив пріорної інформації на формування висновків. Метою роботи є емпіричне дослідження відмінностей між частотним і баєсовим підходами в контексті A/B тестування. Особливу увагу приділено впливу пріорних знань на точність і чутливість статистичних висновків, а також оцінці того, чи можна еквівалентно враховувати таку інформацію в межах класичних статистичних критеріїв. У ході роботи було реалізовано симуляційне середовище для експериментальної оцінки ефективності статистичних критеріїв. Змодельовано вплив різних типів пріорів на точність і чутливість баєсового аналізу, а також перевірено гіпотезу про можливість досягнення аналогічного ефекту в частотному аналізі шляхом додавання псевдоспостережень. Результати підтвердили, що баєсовий підхід може як зменшувати частоту помилок І роду, так і підвищувати ризик хибнопозитивних рішень при неправильному виборі пріору. Також показано, що вплив пріору у баєсовому аналізі може бути інтерпретований як структурна модифікація вибірки у частотному підході.Документ Відкритий доступ Додаток для керування авто та аналізу стилю водіння(КПІ ім. Ігоря Сікорського, 2025) Волкобой, Олег Миколайович; Кузнєцова, Наталія ВолодимирівнаДипломна робота: 134 с., 24 рис., 7 табл., 2 дод., 27 джерел. Об’єкт дослідження – процес аналізу стилю керування автомобілем, процес створення користувацьких додатків. Предмет дослідження – методи збору даних за допомогою OBD-II, класифікація стилю водія та створення додатків. Мета роботи – дослідити предметну область, проаналізувати метрики отримані під час руху авто та розробити програмний продукт для класифікації та оцінки стилю керування з метою загального користування. Актуальність – робота зосереджена на підвищенні безпеки та економічності керування транспортними засобами, заохочує користувача бути більш свідомим за кермом, та розбирає основні патерни, що призводять до підвищеної аварійності й витрат палива, і допомагає їх уникати. Результати роботи – зібрано дані поїздок для аналізу, змодельовано та розроблено програмний продукт, що складається з трьох додатків на мовах Python, C#, та TypeScript (з використанням фреймворку React Native). Шляхи подальшого розвитку предмету дослідження – пряма інтеграція з OBD-II сканером використовуючи «Bluetooth», покращення рейтингової системи, розширення набору даних для навчання, використання додаткових джерел інформації (наприклад акселерометр телефону, або камери).Документ Відкритий доступ Моделі машинного навчання в задачах аналізу здатності технічних індикаторів прогнозувати ціни криптовалют(КПІ ім. Ігоря Сікорського, 2025) Бедлінський, Кірілл Ігорович; Тимощук, Оксана ЛеонідівнаДипломна робота: 149 с., 45 рис., 22 табл., 2 дод., 28 джерел. Об’єкт дослідження – процеси прогнозування зміни тренду ціни криптовалюти. Предмет дослідження – моделі машинного навчання в аналізі предикативної здатності технічних індикаторів. Мета роботи – розробка та експериментальна оцінка ефективності моделей машинного навчання для прогнозування динаміки цін криптовалют із використанням набору технічних індикаторів. Результат роботи – є розроблене програмне рішення, яке виконує тренування моделі машинного навчання під технічний індикатор та яке показує ефективність обраного індикатору. Проведено порівняння результатів, отриманих різними розглянутими підходами. Програмне рішення було розроблено у середовищі Jupiter Notebook із використанням мови програмування Python. В роботі було використано ринкові дані з платформи Yahoo Finance.Документ Відкритий доступ Навчання з підкріпленням в симуляції для керування дроном в середовищах з фізичними перешкодами(КПІ ім. Ігоря Сікорського, 2025) Дорофєєв, Ілля Дмитрович; Титаренко, Андрій МиколайовичДипломна робота: 85 с., 3 рис., 5 табл., 2 додатки, 20 джерел. У дипломній роботі розглянуто побудову симуляційного середовища для навчання автономного дрона уникненню перешкод за допомогою алгоритмів глибокого навчання з підкріпленням. Реалізовано середовище на основі рушія Unreal Engine із вбудованим симулятором AirSim, що дозволяє моделювати фізику польоту та реалістичну взаємодію з об’єктами, зокрема деревами. Метою дослідження є створення повного циклу моделювання: від побудови сцени та інтеграції дрона до збору даних із камери та тренування нейронної мережі, що керує поведінкою агента в умовах невизначеності. Реалізовано сценарій польоту між контрольними точками через складну місцевість, з подальшим збором зображень і дій для формування навчальної вибірки. Об’єктом дослідження є процес автономного управління дроном у симульованому середовищі, предметом – алгоритмічне забезпечення ухилення від перешкод на основі зображень із камери та навчання з підкріпленням. У ході роботи використано алгоритм, який дозволяє враховувати неперервний простір дій. Результати роботи дозволяють зробити висновок про перспективність підходу для задач візуального обльоту перешкод. Запропонована інфраструктура може бути використана як основа для подальшого навчання та тестування моделей автономної навігації.