Бакалаврські роботи (ММСА)
Постійне посилання зібрання
Переглянути
Нові надходження
Документ Відкритий доступ Сумаризація тексту за допомогою великих мовних моделей(КПІ ім. Ігоря Сікорського, 2024) Єремічук, Руслан Іванович; Недашківська, Надія ІванівнаДипломна робота: 162 с., 34 рис., 8 табл., 2 додатки, 42 джерела. Об'єкт дослідження - автоматизована сумаризація тексту з використанням великих мовних моделей (ВММ; англ. Large Language Models, скорочено LLM). Предмет дослідження - вивчення ефективності різних великих мовних моделей, включаючи квантизовані та неквантизовані версії, для сумаризації текстів в залежності від кількості параметрів моделей. Мета роботи: - розробити веб-сервіс на Python, що дозволяє сумаризувати онлайн-статті та озвучувати отримані сумаризації; - виконати детальний бенчмаркінг моделей на швидкість та якість. Актуальність - збільшення обсягу текстової інформації вимагає ефективних методів обробки та засвоєння контенту. Системи автоматизованої сумаризації допомагають заощадити час та покращити доступність інформації. Результат роботи - було здійснено вибір та порівняння великих мовних моделей за метриками, швидкістю та доступністю. Розроблено веб-сервіс для автоматичної сумаризації та озвучування текстів з онлайн-статей. Система дозволяє користувачам швидко отримувати аудіоанотації, покращуючи ефективність споживання інформації.Документ Відкритий доступ Розробка алгоритмів керування для узгодження напрямку антен на основі даних моноімпульсного трекера(КПІ ім. Ігоря Сікорського, 2024) Бабич, Варвара Сергіївна; Савастьянов, Володимир ВолодимировичДипломна робота: 85 с., 22 рис., 7 табл., 2 дод., 23 джерела. Темою роботи є розробка алгоритмів керування для узгодження напрямку антен на основі даних моноімпульсного трекера. Об’єктом дослідження є процес керування антенами для трекінгу в режимі реального часу. Предметом дослідження є трекінг система та двигун обертання. Метою даної роботи є розробка ефективних алгоритмів для узгодження напрямку антен, що підвищує точність та надійність систем трекінгу. Актуальність роботи пов’язана з потребою підвищення ефективності систем радіочастотного трекінгу, що важливо для застосувань у військових та цивільних областях. В результаті дипломної роботи на мові Python було розроблено та впроваджено ряд алгоритмів для оптимізації керування антенними системами на основі аналізу сигналів моноімпульсного трекера, що забезпечує більш точне визначення напрямку на ціль.Документ Відкритий доступ Ідентифікація дронів із використанням машинного навчання(КПІ ім. Ігоря Сікорського, 2024) Пшеничний, Сергій Володимирович; Кухарєв, Сергій ОлександровичДипломна робота: 100+ с., 41 рис., 8 табл., 2 додатки, 18 джерел. Об’єкт дослідження – створення та дослідження моделі для розпізнавання дронів. Предмет дослідження – методи глибокого навчання для задачі розпізнавання зображень, пошук найкращої моделі, оцінка якості моделей, стандартні архітектури YOLO та Faster R-CNN. Мета дипломної роботи – створення за допомогою нейронних мереж найкращої моделі для ідентифікації дронів або БПЛА, що зможе допомогти військовим фахівцям зокрема та покращити ефективність перехоплень небезпечних літальних апаратів. Актуальність – актуальність теми зумовлена швидким розвитком технологій та зростаючою потребою у використанні БПЛА для вирішення сучасних проблем, зокрема, воєнних. Це збуджує спеціалістів до створення ефективних інструментів для протидії дронам. В даній дипломній роботі було програмно реалізовано продукт мовою Python. Було побудовано модель згорткової нейронної мережі на власному наборі даних. Особливу увагу було приділено збору та підготовці даних новими технологіями. Якість моделі може бути покращена в майбутньому. Підготовка більш якіснішого набору даних може підвищити її ефективність. Незважаючи на це, модель допоможе будь-кому, зацікавленому в ідентифікації дронів і в даній версії роботи.Документ Відкритий доступ Аналіз підходів застосування пам'яті в сучасних LLM для створення сценаріїв вирішення задач у визначених предметних областях(КПІ ім. Ігоря Сікорського, 2024) Башинський, Владислав Андрійович; Савастьянов, Володимир ВолодимировичДипломна робота: 134 с., 10 таблиць, 12 рисунків, 2 додатки, 19 джерел. Об’єкт дослідження - механізм використання довготривалої пам'яті в сучасних великих мовних моделях з метою мінімізації галюцинацій моделей. Предмет дослідження - використання довготривалої пам’яті у великих мовних моделях. Мета роботи - розробка інструментарію для створення покрокових сценаріїв вирішення задач із використанням аспектів SWOT-аналізу у якості довготривалої пам’яті з метою мінімізації галюцинацій великих мовних моделей. Результати - було розроблено інструментарій для створення покрокових сценаріїв вирішення задач із використанням аспектів SWOT-аналізу у якості довготривалої пам’яті з метою мінімізації галюцинацій великих мовних моделей. Програмний продукт було розроблено мовою програмування Python.Документ Відкритий доступ Система прогнозування котирувань на фінансових ринках на основі адаптивних нейронних мереж(КПІ ім. Ігоря Сікорського, 2024) Кондратов, Єгор Павлович; Тимощук, Оксана ЛеонідівнаДипломна робота: 67с., 8 рис., 7 табл., 1 дод., 14 джерел. Об’єкт дослідження: процес ціноутворення на фінансових ринках, зокрема дослідження охоплює динаміку цін акцій компаній. Предмет дослідження: прогнозування фінансових ринків за допомогою нейронних мереж. Це дослідження включає вивчення методів машинного навчання, зокрема нейронних мереж, для аналізу історичних даних і виявлення закономірностей, які дозволяють передбачати майбутні зміни цін на фінансових ринках. Дослідження також охоплює розробку і тестування моделей нейронних мереж, аналіз їх точності. Мета дослідження: створення та дослідження нейронної мережі для прогнозування фінансових ринків. Це передбачає розробку ефективної архітектури нейронної мережі, навчання моделі на історичних даних, проведення оцінки її точності та надійності у прогнозуванні цін на фінансових ринках, а також оптимізацію моделі для покращення результатів і підвищення її прогнозувальної здатності. Отримані результати: у процесі дослідження було розроблено за використання мови програмування Python дві нейронні мережі. Спочатку була створена базова модель нейронної мережі для прогнозування фінансових ринків, яка згодом була оптимізована з метою покращення точності та надійності прогнозів. Оптимізація включала використання методів Dropout та Early Stopping для підвищення продуктивності моделі.Документ Відкритий доступ Система підтримки операційного менеджменту закладу громадського харчування(КПІ ім. Ігоря Сікорського, 2024) Онопко, Андрій Дмитрович; Древаль, Максим МихайловичДипломна робота містить: 140 с., 21 табл., 16 рис., 2 додатки, 12 джерел. Об’єкти дослідження – процеси операційного менеджменту в закладі громадського харчування, які включають управління запасами, столиками та бронюваннями, а також загальну організацію та оптимізацію роботи закладу. Предмет дослідження – програмний продукт розробленй для покращення ефективності та результативності операційного менеджменту в закладі громадського харчування. Мета роботи – створення програмного продукту, який забезпечує ефективне управління операціями в закладі громадського харчування. Результат роботи – розроблений програмний продукт, який допомагає керівникам закладів громадського харчування приймати обґрунтовані рішення на основі аналізу даних про запаси, бронювання столиків та інші операційні процеси.. Програмний продукт було розроблено, використовуючи мову програмування Java.Документ Відкритий доступ Модель прийняття рішень на основі очікувань користувачів на ринку ф'ючерсів(КПІ ім. Ігоря Сікорського, 2024) Мороз, Владислава Вячеславівна; Канцедал, Георгій ОлеговичДипломна робота містить: 87 с., 9 табл., 18 рис., 2 додатки, 18 джерел. Об’єкти дослідження – процес ціноутворення Bitcoin на ринку ф’ючерсів з урахуванням очікувань користувачів. Предмет дослідження – методи та моделі прийняття рішень на ринку ф'ючерсів Bitcoin з урахуванням очікувань користувачів. Мета роботи – побудувати модель підтримки прийняття рішень на основі очікувань користувачів. Результат роботи – програмний продукт для трейдерів та інвесторів, який допоможе приймати обґрунтовані рішення щодо купівлі та продажу Bitcoin ф'ючерсів на основі комбінації об'єктивних ринкових даних та суб'єктивних очікувань учасників ринку. Програмний продукт було розроблено, використовуючи мову програмування Python.Документ Відкритий доступ Розробка та реалізація гри в жанрі платформер з елементами менеджменту ресурсів на рушію Unreal Engine з використанням мови програмування C++(КПІ ім. Ігоря Сікорського, 2024) Олексюк, Максим Ігорович; Гуськова, Віра ГеннадіївнаДипломна робота: 111 с., 7 табл., 40 рис., 2 дод., 26 джерел. Об’єкт дослідження: процес аналізу світової індустрії розробки ігор та використання інструментів розробки сучасних ігор. Постановка задачі: розробити гру з поєднанням декількох механік, використовуючи сучасні ігрові рушії та мови програмування. Мета проекту: створити сучасну і конкурентоспроможну гру для розвитку ігрової індустрії. Отриманні результати: створена гра в жанрі платформер з менеджментом ресурсів, яка має в собі певну кількість механік взаємодії. Програмний продукт було розроблено, використовуючи мову програмування С++.Документ Відкритий доступ Web-додаток для розпізнавання характеристик автомобіля за зображенням на фото(КПІ ім. Ігоря Сікорського, 2024) Бойко, Назар Володимирович; Назарчук, Ірина ВасилівнаДипломна робота: 93 с., 10 рис., 6 табл., 2 дод., 21 джерело. Темою роботи є використання згорткових нейронних мереж для розпізнавання характеристик автомобілів на основі зображень. Об’єктом дослідження є розпізнавання автомобіля за зображенням. Предметом дослідження є згорткові нейронні мережі (ЗНМ) для класифікації зображень автомобілів за маркою, моделлю та роком випуску. Метою даної роботи є розробка веб-додатку, який використовує згорткові нейронні мережі для точного та швидкого розпізнавання автомобілів за їх характеристиками. Актуальність роботи пов’язана зі зростанням попиту на автоматизовані системи розпізнавання зображень у автомобільній галузі, що покращують ефективність і точність обробки даних. У результаті роботи було створено веб-додаток за допомогою мови програмування Python та фреймворку Flask, який дозволяє користувачам завантажувати зображення автомобілів і отримувати прогноз щодо марки, моделі та року випуску автомобіля. Для моделювання використовувалася архітектура ResNet-34, яка була натренована на спеціально підготовленому наборі даних зображень автомобілів. Результати були проаналізовані і продемонстрували високу точність моделі.Документ Відкритий доступ Прогнозування трендів в маркетингу з використанням методів інтелектуального аналізу даних(КПІ ім. Ігоря Сікорського, 2024) Градінарова, Катерина Дмитрівна; Гуськова, Віра ГеннадіївнаДипломна робота містить : 98 с., 7 табл., 24 рис., 17 джерел. Об'єктом дослідження є процеси прогнозування маркетингових трендів в умовах швидко змінюваного ринкового середовища. Предметом дослідження є методи інтелектуального аналізу даних, що використовуються для прогнозування маркетингових трендів. Метою даного дослідження є розробка та впровадження методології прогнозування маркетингових трендів за допомогою методів інтелектуального аналізу даних. В даній роботі розроблена методологія прогнозування маркетингових трендів, що дозволить компаніям швидше адаптуватися до змін на ринку та приймати більш обґрунтовані маркетингові рішення.. Програмна реалізація була розроблена на мові програмування Python.Документ Відкритий доступ Застосування алгоритмів трекінгу для виявлення та відстеження низько контрастних об'єктів у відеопотоках(КПІ ім. Ігоря Сікорського, 2024) Ставицька, Анастасія Романівна; Савастьянов, Володимир ВолодимировичДипломна робота містить: 108 с., 8 табл., 34 рис., 3 додатки, 23 джерела. Об’єкт дослідження – виявлення та відстеження низько контрастних об'єктів у відеопотоках. Предмет дослідження – підходи та алгоритми трекінгу та розпізнавання об’єктів у відеопотоках. Мета роботи – створити системний підхід, який дозволить розпізнавати та відслідковувати низько контрастні об’єкти. Результат роботи – підходи, алгоритми та програмний продукт (Python), що забезпечать виявлення та відстеження низько контрастних об’єктів у відеопотоках.Документ Відкритий доступ Аналіз впливу зовнішніх факторів на ціну криптовалют та прогнозування ціни на основі машинного навчання"(КПІ ім. Ігоря Сікорського, 2024) Заборовський, Антон Анатолійович; Тимощук, Оксана ЛеонідівнаДипломна робота: 105 с., 5 табл., 15 рис., 2 дод., 27 джерел. Об’єкт дослідження — методи і моделі машинного навчання для прогнозування ціни криптовалют на основі впливу зовнішніх факторів. Мета роботи — проаналізувати існуючі методи і моделі машинного навчання для прогнозування ціни криптовалют на основі впливу різних зовнішніх факторів, визначити які фінансові дані впливають на ціну та створити модель для правильної обробки даних та прогнозування. Методи дослідження — для аналізу впливу зовнішніх факторів на ціну криптовалют та прогнозування ціни за допомогою машинного навчання використовується синтез теоретичних концепцій та практичних підходів. Дослідження включає детальний системний аналіз структури та функціонування моделей машинного навчання, застосовуваних для фінансового прогнозування, та порівняння існуючих методів аналізу даних з підходами машинного навчання. Для обробки даних використовуються методи заповнення пропусків, нормалізації та фільтрації даних. Основними алгоритмами прогнозування є часові ряди, регресія, класифікація та нейронні мережі. Моделі оцінюються за допомогою таких метрик, як RMSE, DS, SMAPE та MAE. Розроблена модель машинного навчання навчається на тренувальних даних, які були ретельно відібрані з різних джерел. Був проведений аналіз та зменшення вибірки за допомогою відкидання найменш корисних атрибутів. Упровадження цієї моделі дозволить аналізувати зовнішні фактори, що впливають на ціну криптовалют, та використовувати ці дані для прогнозування, сприяючи покращенню процесів прийняття рішень у фінансових інвестиціях.Документ Відкритий доступ Система розпізнавання тексту із зображення з подальшим перекладом(КПІ ім. Ігоря Сікорського, 2024) Заваріхін, Володимир Олександрович; Тимощук, Оксана ЛеонідівнаДипломна робота: 111 c., 7 табл., 35 рис., 2 дод., 22 джерела. Об’єкт дослідження: процес розпізнавання тексту з зображення. Предмет дослідження: підходи до оптичного розпізнавання символів. Мета дослідження: проаналізувати існуючі підходи до розпізнавання тексту із зображень на основі штучних нейронних мереж, та, використовуючи інструменти PyTesseract або EasyOCR, створити систему розпізнавання та перекладу тексту з зображення. Актуальність роботи обумовлена зростаючою глобалізацією, яка призводить до необхідності розуміти іноземну мову, у тому числі текст, який знаходиться на зображенні. Отримані результати: створений програмний продукт на мові програмування Python, що виконує завдання розпізнавання тексту із зображення з подальшим перекладом. У рамках подальшого розвиту програмного продукту пропонується підвищувати точність розпізнавання тексту за рахунок донавчання моделі або створення нової моделі на основі нейронних мереж.Документ Відкритий доступ Використання “великих даних” у вибіркових обстеженнях(КПІ ім. Ігоря Сікорського, 2024) Дідіков, Олександр Олександрович; Василик, Ольга ІванівнаДипломна робота: 80 с., 8 рис., 8 табл., 3 додатки, 19 джерел. Тема: Використання "великих даних" у вибіркових обстеженнях. У роботі розглянуто методологію інтеграції "великих даних" у процеси вибіркових обстежень, аналіз переваг та викликів, а також розробку практичних рекомендацій для покращення точності та ефективності обстежень. Об’єкт дослідження: застосування методів обробки та аналізу "великих даних" у вибіркових обстеженнях. Предмет дослідження: методи і засоби інтеграції "великих даних" у вибіркових обстеженнях. Мета роботи: розробка методології та програмного забезпечення для покращення результатів вибіркових обстежень шляхом інтеграції "великих даних". Створено методологію та програмне забезпечення мовою програмування Python для інтеграції "великих даних" у вибіркові обстеження, що дозволяє підвищити точність та надійність отриманих результатів, експериментально перевірено розроблену методологію на реальних даних із Kaggle. Для розробки використані сучасні технології аналізу даних та машинного навчання.Документ Відкритий доступ Розробка інвестиційної стратегії та системи сигналів торгівельних угод з використанням методів машинного навчання та індикаторів технічного аналізу(КПІ ім. Ігоря Сікорського, 2024) Гонтар, Віктор Миколайович; Соболь, Ольга ОлександрівнаДипломна робота: 141 с., 52 Рисунок, 2 дод, 18 джерел. Метою даної роботи є розробка інвестиційної стратегії та системи сигналів торгівельних угод з використанням методів машинного навчання та індикаторів технічного аналізу. Для розв’язання поставленої задачі використовуються моделі лінійної регресії, K–ближчих сусідів, метод опорних векторів, випадковий ліс та XGBoost. Об’єктом дослідження є часові ряди цін криптовалют на прикладі кількох популярних криптовалютних пар, таких як ETHUSDT, BTCUSDT, LTCUSDT та інші. Предметом дослідження є застосування методів машинного навчання та індикаторів технічного аналізу для прогнозування цін закриття криптовалют. Актуальність дослідження зумовлена необхідністю точного прогнозування цін криптовалют для прийняття ефективних інвестиційних рішень в умовах високої волатильності ринку. Результатом цієї роботи є порівняння продуктивності різних моделей машинного навчання для прогнозування цін закриття криптовалют та вибір оптимальної моделі, яка з найвищою точністю здатна прогнозувати ціни. Для подальших досліджень доцільно використовувати додаткові технічні індикатори, збільшити обсяг даних для навчання моделей, а також розглядати більш складні методи машинного навчання, такі як рекурентні нейронні мережі та глибинні нейронні мережі.Документ Відкритий доступ Діалогова система на основі глибоких моделей та методів машинного навчання(КПІ ім. Ігоря Сікорського, 2024) Булак, Андрій Сергійович; Недашківська, Надія ІванівнаДипломна робота містить: 95 с., 8 табл., 20 рис., 2 дод., 29 джерел. Мета роботи полягає в створенні діалогової системи, яка допоможе з генерацією діалогу, який міг би задовольнити потребу споживача у інформації про товар або сукупність товарів, категорію. Модель, отримана в результаті, значно полегшить роботу торговим компаніям у консультації клієнтів, а також не буде залежати від людського фактору та буде легко масштабуватися, що буде мати позитивний економічний і корпоративний вплив. Об’єктом дослідження є задача генерації діалогів, що мають на меті консультацію клієнтів. Предметом дослідження визначено трансформер для генерації діалогів. При виконанні роботи було розроблено і навчено програмний продукт на мові python у вигляді чат-бота із застосуванням методів машинного навчання, що демонструє роботу консультаційної діалогової системи. При написанні роботи використано наукові статті в галузі машинного навчання, глибокого навчання та суміжних галузей.Документ Відкритий доступ Розробка веб-застосунку для вивчення іноземних мов з впровадженням технологій штучного інтелекту(КПІ ім. Ігоря Сікорського, 2024) Гнідобор, Сергій Михайлович; Древаль, Максим МихайловичДипломна робота: 102 с., 10 рис., 8 табл., 2 дод., 19 джерел. Об’єкт дослідження: впровадження веб застосунку для вивчення іноземних мов. Мета дослідження: дослідити та впровадити веб застосунок для вивчення іноземних мов. Отримані результати: створений застосунок надає можливість швидко вивчати іноземні мови. Метою даної роботи є реалізація додатку для вивчення іноземних мов з використанням ШІ. У даній дипломній роботі були проаналізовані методи вивчення іноземних мов і запропоновано спосіб автоматизації процесу навчання з використанням штучного інтелекту. При реалізації даної роботи було використано мову програмування Python. Результатом роботи є розроблений веб-додаток для вивчення іноземних мов. Впровадження даного додатку дозволяє адаптувати навчальний процес під індивідуальні потреби користувача, забезпечуючи більш ефективне засвоєння матеріалу. Результати даної дипломної роботи рекомендовано до використання в освітніх закладах та приватних мовних школах для підвищення ефективності навчання іноземних мов.Документ Відкритий доступ Багатофункціональна інтернет-платформа для супроводу сільськогосподарської продукції(КПІ ім. Ігоря Сікорського, 2024) Тихолоз, Андрій Андрійович; Тимощук, Оксана ЛеонідівнаДипломна робота містить 121 сторінку, 21 рисунок, 6 таблиць, 2 додатки, 26 джерел. Об’єкт дослідження: проектування та створення інтернет-платформи для купівлі/продажу сільськогосподарської продукції, як ефективного засобу взаємодії між учасниками сільськогосподарського ринку. Предмет дослідження: методи розробки та технології для інтегрованого веб-застосунку, включаючи реєстрацію та автентифікацію користувачів, керування даними та модерацію контенту. Мета роботи: розробити інтегровану інтернет-платформу для купівлі/продажу сільськогосподарської продукції, яка забезпечить швидке та ефективне знаходження партнерів, укладання угод та розвиток співпраці в галузі сільського господарства. Програмний продукт було розроблено, використовуючи мови програмування Java та JavaScript.Документ Відкритий доступ Прогнозування часових рядів для складських запасів(КПІ ім. Ігоря Сікорського, 2024) Осадча, Софія Олександрівна; Тимощук, Оксана ЛеонідівнаДипломна робота: 135 c., 6 табл., 18 рис., 2 дод., 23 джерела. Об’єкт дослідження – процес управління запасами на підприємстві. Предмет дослідження – методи прогнозування на основі регресійних моделей ARIMA, SARIMA. Мета дослідження – проаналізувати підходи до прогнозування сезонного попиту товарів на підприємстві за допомогою часових рядів, створити програмний продукт з простим та зручним користувацьким інтерфейсом, який прогнозуватиме сезонний попит на товар. Методи дослідження – аналіз наукової та методичної літератури, часові ряди, регресійні методи прогнозування. Вкажемо основні результати виконаних досліджень: узагальнено теоретичні аспекти та методи прогнозування часових рядів; серед цих методів було обрано моделі ARIMA та SARIMA та запрограмовано за допомогою мови програмування Python; розроблене програмне забезпечення прогнозує попит з використанням перелічених методів.Документ Відкритий доступ Застосування методу Борда при голосуванні на конкурсі Євробачення(КПІ ім. Ігоря Сікорського, 2024) Михайленко, Богдан Андрійович; Каніовська, Ірина ЮріївнаДипломна робота: 176 с., 37 рис., 13 табл., 3 додатки, 23 джерела. Об’єкт дослідження: вплив геополітичних чинників на процес та результати голосування фінальної стадії на вокальному шоу «Євробачення» за 2016-2023 рр. Мета дослідження: проаналізувати вплив геополітичних факторів на результати голосування. Використані моделі: при дослідженні та підрахунку балів було використано метод Борда, а при дослідженні впливу геополітичних чинників – регресійний аналіз. Отриманні результати: створений веб-додаток, який приймає завантажені вхідні дані з балами голосування, враховує за потреби вагові коефіцієнти та обраховує й візуалізовує остаточні результати голосування. Програмний продукт було розроблено, використовуючи мови програмування TypeScript та Python.