Магістерські роботи (ЦТЕ)
Постійне посилання зібрання
У зібранні розміщено магістерські дисертації на здобуття ступеня магістра.
Переглянути
Нові надходження
Документ Відкритий доступ Методи оцінювання стійкості потокових шифрів до статистичних атак(КПІ ім. Ігоря Сікорського, 2026) Іванов, Валерій Олегович; Онисько, Андрій ІллічУ магістерській дисертації представлено програмний засіб для автоматизованого статистичного аналізу стійкості потокових шифрів до статистичних атак. Розроблена система дозволяє генерувати бітові послідовності різними генераторами (LFSR, BBS, RC4, Mersenne Twister, System Random), виконувати комплексне статистичне тестування (частотний, серійний, покер-тест, автокореляційний, серійний тест), а також візуалізувати результати у вигляді діаграм, гістограм і таблиць. Програма має інтуїтивний графічний інтерфейс, підтримує автоматизацію аналізу, збереження та завантаження даних, експорт результатів у різних форматах. Модульна архітектура забезпечує гнучкість, масштабованість і можливість розширення функціоналу. Розроблений інструмент може бути використаний для наукових досліджень, навчання, практичної перевірки криптографічних рішень, а також інтеграції у більші системи моніторингу інформаційної безпеки.Документ Відкритий доступ Методи оптимізації відображення великих графів(КПІ ім. Ігоря Сікорського, 2026) Логвиненко, Владислав Євгенович; Аушева, Наталія МиколаївнаМагістерська дисертація присвячена дослідженню та розробленню методів оптимізації візуалізації великих транзакційних графів у веб-орієнтованому середовищі. У роботі розглянуто проблему зниження продуктивності класичних силових алгоритмів макетування під час роботи з графами великої розмірності, зокрема в задачах аналізу фінансових транзакцій та виявлення шахрайських патернів. Запропоновано підхід до апроксимації репульсивних сил на основі природної декомпозиції транзакційного графа на зв’язні компоненти. На відміну від класичних підходів, які потребують додаткової багаторівневої кластеризації, у роботі використано вже наявну структурну особливість транзакційних мереж. Для зменшення кількості обчислень зовнішній вплив інших компонент наближено через їхні центри мас, тоді як взаємодії всередині компоненти обчислюються точніше. У межах роботи розроблено програмну систему для інтерактивної візуалізації графів із використанням WebGPU. Проведено експериментальне порівняння базового силового алгоритму та запропонованого методу за показниками часу ітерації, кількості ітерацій до досягнення заданого рівня якості та збереження локальної структури графа. Отримані результати підтверджують доцільність використання компонентної апроксимації для підвищення швидкодії візуалізації великих транзакційних графів без суттєвої втрати змістовності графового подання.Документ Відкритий доступ Методи резюмування документів на основі моделей-трансформерів(КПІ ім. Ігоря Сікорського, 2026) Новицький, Костянтин Віталійович; Шушура, Олексій МиколайовичДипломна робота виконана на 109 сторінках, містить 19 рисунків, 5 таблиць, 2 додатки, 43 джерела в переліку посилань. У сучасних умовах стрімкого зростання обсягів текстової інформації дедалі більшого значення набувають методи автоматичного узагальнення змісту документів. Це стосується наукових статей, урядових матеріалів та інших довгих текстів, довжина яких перевищує розмір контекстного вікна багатьох моделей-трансформерів. За таких умов пряме резюмування часто призводить до втрати важливої інформації, зниження зв’язності та погіршення якості підсумкового тексту. Тому розробка методів, орієнтованих саме на обробку документів великого обсягу, є актуальною задачею сучасної обробки природної мови. Метою дослідження є підвищення якості резюмування довгих документів шляхом розробки гібридного методу на основі моделей-трансформерів з використанням структурно-семантичної сегментації документа, кластеризації текстових блоків, виділення ключових тверджень, локального абстрактивного і подальшого глобального резюмування. Об’єктом дослідження є процес автоматичного резюмування текстових документів. Предметом дослідження є методи та інформаційні технології автоматичного резюмування документів на основі моделей-трансформерів. У роботі використано методи обробки природної мови, семантичного векторного подання тексту, кластеризації, генеративного резюмування на основі моделей-трансформерів, а також експериментальне порівняння за метриками ROUGE, BERTScore та часом виконання. Практична реалізація виконана у вигляді програмної системи з модулем резюмування на Python, серверною частиною на ASP.NET Core та клієнтською частиною на Angular. Наукова новизна полягає у створенні багатоступеневого методу автоматичного резюмування документів великого обсягу, який поєднує структурно-семантичну сегментацію документа, відбір інформативних текстових блоків, кластеризацію змістово близьких фрагментів, виділення ключових тверджень, локальне резюмування та подальше глобальне узагальнення. Практичне значення роботи полягає у розробленні програмної системи резюмування документів, яка забезпечує повний цикл взаємодії користувача із системою: аутентифікацію, завантаження документа, запуск побудови резюме та перегляд отриманого результату через веб-інтерфейс. На вибірці BookSum запропонований підхід показав приріст BERTScore приблизно на 13% та зменшення часу обробки приблизно на 48% порівняно з використанням моделі.Документ Відкритий доступ Багатокритеріальне розпізнавання відповідності текста темі на основі алгоритму TS.IDS(КПІ ім. Ігоря Сікорського, 2026) Шалигін, Михаїл Олексійович; Отрох, Сергій ІвановичДисертація складається зі вступу, чотирьох розділів, загальних висновків, списку використаних джерел і додатків. Повний обсяг дисертації становить 117 сторінок, у тому числі 86 сторінок основного тексту, 17 рисунків, 3 таблиці, 4 сторінки списку використаних джерел у кількості 40 найменувань. Актуальність теми. Задача автоматичного встановлення відповідності текстового документа заданій тематиці належить до числа фундаментальних проблем обробки природної мови і водночас залишається практично значущою для широкого спектру прикладних систем — від пошукових рушіїв та рекомендаційних сервісів до корпоративних систем фільтрації документообігу і систем модерації контенту в соціальних мережах. Класичні однокритеріальні підходи на основі TF-IDF, BM25 та їхніх пізніших модифікацій таких як TS.IDS демонструють обмеження, пов’язані з неможливістю одночасно охопити лексичну, семантичну та статистично-тематичну природу відповідності тексту темі. Формалізація цієї задачі як задачі багатокритеріального прийняття рішень (БКПР, MCDM) і побудова zero-shot програмного конвеєра, який об’єднує п’ять незалежних вимірів релевантності, визначає актуальність дослідження. Метою роботи є створення програмного фреймворку для багатокритеріального розпізнавання відповідності тексту темі, що поєднує алгоритм TS.IDS, синтаксичні, імовірністні та статистичні методи поєднані за допомогою різних методів БКПР (TOPSIS, VIKOR, WASPAS) у єдиній zero-shot архітектурі. Завдання дослідження: — провести систематичний огляд методів оцінювання тематичної релевантності текстів та сучасних підходів БКПР із метою обґрунтування вибору компонент фреймворку; — математично формалізувати задачу тематичної класифікації тексту як задачу багатокритеріального прийняття рішень і описати внутрішню математику кожного з обраних критеріїв та методів агрегації; — спроєктувати та реалізувати мовою Python модульну архітектуру фреймворку MCTRF (Multi-Criteria Text-Topic Relevance Framework), яка охоплює повний конвеєр — від передобробки тексту до видачі ранжованого списку тем-кандидатів; — виконати обчислювальні експерименти на корпусі 20 Newsgroups, порівняти дванадцять методів (шість варіантів MCDM-агрегації та шість базових) за п’ятьма метриками якості класифікації та ранжування. Об’єкт дослідження — процес визначення відповідності текстового документа наперед не заданій тематиці в умовах відсутності розмічених навчальних прикладів. Предмет дослідження — багатокритеріальний метод визначення тематичної релевантності тексту на основі алгоритму TS.IDS та методів прийняття рішень TOPSIS, VIKOR і WASPAS. Методами дослідження що застосовано у роботі є методи інформаційного пошуку (TF-IDF/TS.IDS, BM25), методи машинного та глибинного навчання (Sentence-BERT, Cross-Encoder, LDA), методи витягування ключових слів без навчання (YAKE), статистичні міри подібності розподілів (Jensen-Shannon Divergence), методи багатокритеріального прийняття рішень (TOPSIS, VIKOR, WASPAS) та метод автоматичного зважування критеріїв CRITIC. Експериментальна оцінка виконана на збалансованому корпусі 20 Newsgroups із стратифікованим поділом 80/20. Практичне значення отриманих результатів полягає в тому, що розроблений фреймворк MCTRF здатен виконувати тематичну класифікацію довільної множини текстів без етапу навчання — достатньо подати коротке текстове описання теми. Це робить систему придатною для швидкого розгортання у сценаріях із динамічними таксономіями, у яких перенавчання класичних керованих класифікаторів є надто витратним. Експериментально показано, що формальна MCDM-агрегація підвищує точність порівняно з простим арифметичним усередненням тих самих критеріїв. Апробація результатів дисертації. За темою магістерської дисертації опубліковано 2 наукові праці: стаття «Багатокритеріальне розпізнавання відповідності текстів темі на основі алгоритму TF-IDF» та стаття «Розпізнавання емоцій людини в реальному часі», обидві — у науковому журналі «Зв’язок».Документ Відкритий доступ Інкрементальне навчання великих мовних моделей для багатомовної класифікації текстів із використанням фіксованої пам'яті та регуляризації(КПІ ім. Ігоря Сікорського, 2026) Титаренко, Ольга Володимирівна; Шаповалова, Світлана ІгорівнаАктуальність теми. Корпоративні системи задля автоматизації та аналізу текстових даних частіше базуються на великих мовних моделях, що також відомі як LLM. Однак при їх адаптації до нових доменів виникає явище катастрофічного забування, яке характеризується втратою точності на раніше засвоєних завданнях, що своєю чергою провокує дилему стабільності-пластичності, вирішення якої є критично важливим для створення ефективних систем інкрементальної класифікації текстових потоків, які працюють у реальному часі. Тому реалізація та досліди гібридних методів подолання катастрофічного забування для трансформерних моделей мають значне практичне значення та високий рівень актуальності. Метою роботи є підвищення стійкості моделей-трансформерів до втрати засвоєних знань під час навчання на гетерогенних завданнях.. Завдання дослідження сформовано таким чином: - Провести аналіз існуючих рішень подолання проблеми катастрофічного забування. - Розробити метод навчання LLM, який мінімізує катастрофічне забування. - Розробити програмне забезпечення реалізації запропонованого методу - Провести обчислювальні експерименти для оцінювання стабільності навчання моделі. Об’єкт дослідження: процес подолання катастрофічного забування у великих мовних моделях (LLM). Предмет дослідження: методи подолання катастрофічного забування для трансформерних моделей класифікації текстів в умовах послідовної зміни доменів даних. Наукова новизна: запропоновано гібридний метод подолання катастрофічного забування в LLM через поєднання: 1) математичного захисту параметрів шляхом регуляризації ваг, що мінімізує втрату раніше засвоєних знань; 2) змішування репрезентативних векторів минулого досвіду з поточними даними, що забезпечує стабільність моделі на гетерогенних задачах та забезпечує приріст 0,17 за метрикою F1-score на найбільш чутливому домені, досягаючи значення 0,56. Методи дослідження. Для досягнення поставленої мети застосовано комплекс наукових методів. Метод порівняльного аналізу застосовується задля оцінювання чинних підходів до інкрементального навчання (наївний підхід, EWC, Replay) та визначення їхніх переваг і недоліків. Методи математичного моделювання використано для формалізації гібридної функції втрат, обрахунок інформаційної матриці Фішера та доведення наявності перетину областей низької помилки для старих та нових завдань. Експериментальний метод застосовано для навчання моделі на трьох послідовних завданнях (AG News, Tweet Eval Emotion, зашумлені новини) з фіксацією метрик точності та F1-score після кожної епохи. Методи статистичного аналізу даних, а саме розрахунок середнього, стандартного відхилення, порівняння вибірок, використано для аналізу результатів експериментів і їх підтвердження статистичної значущості переваги гібридного методу. Практична цінність отриманих результатів полягає у створенні програмної системи, що готова до промислового впровадження для автоматизованої маршрутизації звернень клієнтів за тематикою та емоційним забарвленням, а також для модерації контенту соціальних мереж. Запропонований гібридний метод дозволяє скоротити витрати на зберігання історичних даних та забезпечує масштабованість через інтеграцію з AWS SageMaker та S3. Публікація результатів дисертації. Основні положення даної роботи опубліковані у фаховому науковому журналі категорії «Б» «Таврійський науковий вісник». Серія: «Технічні науки» № 2/2026. Апробація результатів. Результати роботи були представлені під час X Міжнародної науково-практичної конференції «THEORETICAL AND EMPIRICAL SCIENTIFIC RESEARCH: CONCEPT AND TRENDS» (08.05.2026; Оксфорд, Сполучене Королівство). Структура та обсяг роботи. Дисертація складається зі вступу, чотирьох розділів, висновків до розділів, загальних висновків, списку використаних джерел та двох додатків. Повний обсяг дисертації становить 118 сторінок, з яких 82 сторінки – основний текст. Робота містить 4 таблиці, 11 рисунків, список використаних джерел із 129 найменувань. Додатки займають 21 сторінку.Документ Відкритий доступ Реалізація керованого прийняття рішень у гейміфікованому навчальному середовищі(КПІ ім. Ігоря Сікорського, 2026) Шпадківський, Олександр В’ячеславович; Тихоход, Володимир ОлександровичМагістерську дисертацію присвячено розробленню методу керованого прийняття рішень на основі автоматизованого аналізу текстових відповідей студентів у реальному часі. У роботі обґрунтовано використання лінгвістичного конвеєра та ймовірнісної моделі зважування термінів Okapi BM25 для обробки неструктурованих даних. Наукова новизна полягає у розробленні моделі керованого прийняття рішень, що реалізує алгоритмічний перехід від результатів аналізу відповідей до визначення подальших дій навчального процесу шляхом відображення кількісних показників подібності у якісні рівні структури знань за таксономією SOLO. Практична реалізація системи виконана з використанням React та Node.js. Експериментальна перевірка підтвердила зростання результативності навчання на 13,8% за рахунок адаптивного керування сценарієм заняття.Документ Відкритий доступ Інструментальні засоби розробки систем оповіщення населення про якість повітря та радіаційну небезпеку(КПІ ім. Ігоря Сікорського, 2025) Чуйко, Дмитро Сергійович; Тарнавський, Юрій АдамовичАктуальність теми: зростання рівня забруднення атмосферного повітря та епізодичні випадки підвищення радіаційного фону створюють суттєві ризики для здоров’я населення, особливо для вразливих груп. Сучасні інструменти моніторингу не завжди забезпечують достатню точність, зручність і рівень персоналізації, необхідні для оперативного реагування на зміни стану довкілля. Тому розробка мобільного застосунку, який поєднує інформування про якість повітря та радіаційний фон із можливістю персонального налаштування сповіщень, є актуальною науковою та практичною задачею. Мета роботи: створення мобільного додатку для відстеження стану атмосферного повітря та радіаційного фону, який забезпечує користувачам оперативний доступ до достовірної інформації та персоналізовані сповіщення у разі погіршення екологічної ситуації. Завдання дослідження: — дослідити особливості моніторингу атмосферного повітря та радіаційного фону, проаналізувати основні забруднювачі та офіційні рекомендації щодо їх допустимих концентрацій; — вивчити сучасні програмні рішення, що вже існують на ринку; — обґрунтувати вибір технологій для розробки застосунку: мови програмування, фреймворку, системи керування базами даних і сервісів автентифікації; — оцінити постачальників даних про якість повітря та радіаційний фон; — реалізувати мобільний застосунок із функціями моніторингу та персонального інформування. Об’єкт дослідження: інформування населення про зміни у стані якості повітря та радіаційного фону. Предмет дослідження: методи та програмні засоби для побудови системи відстеження стану якості повітря і радіаційного фону та персонального інформування користувачів про їх зміни. Практична цінність роботи: Розроблений мобільний застосунок може використовуватися широким колом користувачів для щоденного моніторингу стану якості повітря та радіаційного фону. Для чутливих груп населення він забезпечує персоналізовані попередження та рекомендації, що дає змогу мінімізувати негативний вплив забрудненого повітря та підвищеного радіаційного фону. Розроблене рішення може бути використане як окремий продукт або як компонент комплексних систем екологічного моніторингу. Апробація результатів роботи: тези дипломної роботи були представлені в: — науковому журналі в галузі технічних наук “Технічна інженерія”; — ХХІІ міжнародній науково-практичній конференції молодих вчених та студентів “Сучасні проблеми наукового забезпечення енергетики”. Зокрема, за активну участь в конференції автор був нагороджений дипломом 3 ступеня. Структура та обсяг роботи: дисертація складається з вступу, пʼяти розділів та висновків. Повний обсяг дисертації складає 118 сторінок, в тому числі 94 сторінки основного тексту, 6 таблиць, 30 рисунків, список використаних джерел у кількості 25 найменувань.Документ Відкритий доступ Методи та засоби пошуку закладів освіти на основі багатокритеріальної оптимізації(КПІ ім. Ігоря Сікорського, 2025) Яценко, Мирослав Ігорович; Тихоход, Володимир ОлександровичСтруктура та обсяг кваліфікаційної роботи. Магістерська дисертація складається з вступу, п’яти розділів, висновків та додатку. Робота містить посилання на 30 джерел, 22 таблиць та 31 ілюстрацій. Основна частина роботи викладена на 89 сторінках. Загальний обсяг роботи 98 сторінок. Актуальність. У сучасних умовах абітурієнти стикаються з різноманіттям навчальних програмам та навчальних закладів, що ускладнює процес вибору оптимального варіанту здобуття освіти. Процес прийняття рішення про вступ до закладу освіти передбачає врахування низки чинників — від академічної репутації та вартості навчання до географічного розташування, наявності інфраструктури та перспектив працевлаштування. Традиційні методи вибору, які ґрунтуються на одному або двох критеріях, не забезпечують комплексної оцінки та не враховують індивідуальних пріоритетів користувача. У зв’язку з цим актуальним є застосування методів багатокритеріальної оптимізації, що дають змогу одночасно аналізувати кілька параметрів і формувати збалансовані рішення з урахуванням різних аспектів якості освітніх послуг. Метою роботи є розроблення підходу до формування системи пошуку закладів освіти на основі методів багатокритеріальної оптимізації, що забезпечує персоналізований вибір за сукупністю критеріїв. Для досягнення поставленої мети виконано такі завдання: — провести аналіз існуючих рішень пошуку закладів освіти; — проаналізувати критерії пошуку закладів освіти та сформувати основні для використання у системі; — розробити структуру баз даних; — спроектувати архітектуру програмного забезпечення; — розробити серверну та клієнтську частину застосунку; — провести дослідження розробленої системи. Об’єктом дослідження є процес пошуку закладів освіти абітурієнтами та дослідження основних критеріїв, що впливають на прийняття рішення. Предметом дослідження є програмне забезпечення для пошуку закладів освіти на основі багатокритеріальної оптимізації. Методи дослідження включають аналіз, проектування, програмування, тестування. Практичне значення роботи полягає у розробці веб-застосунку для абітурієнтів, учнів, який спрощуватиме пошук за допомогою багатокритеріальної оптимізації. А також дасть адміністрації навчальних закладів платформу для поширювання інформації про заклад та його здобутки. Апробація результатів дисертації. Основні положення роботи було опубліковано та обговорено на: IX Міжнародна науково-практична конференція «EDUCATION AND SCIENCE OF TODAY: INTERSECTORAL ISSUES AND DEVELOPMENT OF SCIENCES», 28 листопада, Кембридж, Великобританія.Документ Відкритий доступ Фреймворк для масштабованої обробки великих даних про продажі(КПІ ім. Ігоря Сікорського, 2025) Безрукий, Микола Ярославович; Шаповалова, Світлана ІгорівнаАктуальність теми В умовах стрімкого зростання обсягів даних у сфері роздрібної торгівлі та електронної комерції виникає нагальна потреба в оперативній обробці інформації про продажі для підтримки прийняття рішень. Традиційні пакетні системи та існуючі потокові архітектури (Лямбда, Каппа) часто не забезпечують необхідного балансу між низькою затримкою, простотою розробки та гнучкістю управління складною бізнес-логікою. Об’єкт дослідження – процеси обробки великих потокових даних у розподілених аналітичних системах. Предмет дослідження – методи реалізації програмного фреймворку для масштабованої трансформації даних про продажі. Мета роботи Створення програмного фреймворку побудови пайплайнів для забезпечення масштабованої, відмовостійкої обробки великих обсягів складних ієрархічних даних у режимі, близькому до реального часу. Завдання дослідження: 1. Провести аналіз існуючих архітектурних підходів та програмних засобів обробки великих даних. 2. Дослідити принципи побудови ETL-систем, керованих метаданими. 3. Розробити концептуальну архітектуру фреймворку. 4. Створити програмний прототип фреймворку. 5. Провести експериментальне дослідження продуктивності та масштабованості розробленого рішення. Методи дослідження: методи системного аналізу для проектування архітектури; методи теорії баз даних та реляційної алгебри для розробки алгоритмів трансформації; методи об’єктно-орієнтованого проектування для створення програмної моделі; методи імітаційного моделювання та комп’ютерного експерименту для оцінки продуктивності системи. Практичне значення: розроблений фреймворк дозволяє уніфікувати та прискорити розробку пайплайнів обробки даних, забезпечуючи надійність та низьку затримку. Результати можуть бути використані для побудови сучасних аналітичних платформ у рітейлі. Апробація результатів дисертації: основні положення роботи доповідалися на III Міжнародній науковій та практичній конференції “Innovative Approaches in Modern Science and Technology”, 12-14 листопада, 2025, м. Лісабон, Португалія. Структура та обсяг магістерської дисертації: дисертація складається зі вступу, п’яти розділів та висновків. Повний обсяг дисертації складає 109 сторінок, в тому числі 96 сторінок основного тексту, 6 таблиць, 14 рисунків, 8 сторінок списку використаних джерел у кількості 73 найменувань. Розроблений програмний продукт є фреймворком для побудови високонавантажених систем обробки даних, що реалізує концепцію Lakehouse. Його архітектура базується на мікро-пакетній обробці (Spark Structured Streaming) та транзакційному зберіганні даних, що забезпечує гарантії ACID та низьку затримку (Near Real-Time). Ключовою особливістю системи є декларативна модель керування: вся бізнес-логіка (фільтрація, парсинг вкладених структур, агрегація) описується у зовнішніх TOML-файлах. Це дозволяє динамічно генерувати оптимізовані плани виконання, забезпечуючи гнучкість, масштабованість та значне скорочення часу на розробку нових вітрин даних.Документ Відкритий доступ Методи машинного навчання для визначення біологічного віку серця на основі ЕКГ(КПІ ім. Ігоря Сікорського, 2025) Антонкін, Дмитро Олександрович; Сліпченко, Володимир ГеоргійовичАктуальність теми. Серцево-судинні захворювання (ССЗ) продовжують займати перше місце серед причин смертності у глобальному масштабі, що зумовлює гостру потребу в удосконаленні методів ранньої діагностики. Традиційні маркери ризику, такі як хронологічний вік, часто не відображають реального фізіологічного зносу серцево-судинної системи, оскільки процеси старіння є індивідуальними та гетерогенними. У цьому контексті концепція «біологічного віку серця» (Heart Age) набуває критичного значення як інтегральний показник здоров'я. Існуючі діагностичні методи є або інвазивними, або дороговартісними, або залежать від суб'єктивної оцінки лікаря. Стрімкий розвиток методів штучного інтелекту, зокрема глибокого навчання (Deep Learning), відкриває унікальні можливості для автоматизованого аналізу електрокардіограм (ЕКГ), дозволяючи виявляти приховані нелінійні патерни старіння, недоступні для візуальної інтерпретації. Мета роботи полягає у підвищенні ефективності та точності оцінювання біологічного віку людини шляхом розробки інтелектуальної програмної системи, що базується на передових архітектурах та підходах машинного навчання та глибоких нейронних мереж. Завдання дослідження: • Провести системний аналіз існуючих методів визначення біологічного віку та дослідити репрезентативні набори біомедичних даних (зокрема, базу Jena University Hospital). • Розробити та програмно реалізувати алгоритми попередньої обробки сигналів ЕКГ, включаючи цифрову фільтрацію шумів, адаптивну сегментацію, нормалізацію та аугментацію даних для покращення навчання моделей. • Дослідити та порівняти ефективність різних підходів машинного навчання: класичних моделей на основі інженерії ознак (Logistic Regression, Random Forest) та нейромережевих архітектур (Autoencoder, RNN, CNN) в умовах дисбалансу класів. • Розробити та оптимізувати удосконалену архітектуру глибокої нейронної мережі (Advanced CNN), що поєднує залишкові з'єднання (ResNet) та механізм уваги (Attention), для досягнення високої точності класифікації. • Створити повнофункціональний клієнт-серверний програмний прототип системи для демонстрації практичного застосування розробленої моделі в клінічних умовах. Об’єкт дослідження: методи, моделі та алгоритми глибокого навчання, зокрема згорткові нейронні мережі (CNN), рекурентні мережі (RNN) та механізми уваги, що застосовуються для класифікації біологічного віку за даними багатоканальної ЕКГ. Предмет дослідження: класифікація біологічного віку серця на основі моделей Logistic Regression, Random Forest, Autoencoder, RNN та CNN із використанням даних електрокардіографії. Методи дослідження. У роботі використано методи цифрової обробки сигналів (смугова фільтрація Баттерворта, метод Велча) для очищення та частотного аналізу даних; методи статистичного аналізу для дослідження розподілу ознак; методи машинного навчання та глибокого навчання (градієнтний спуск, зворотне поширення помилки) для тренування прогностичних моделей; методи програмної інженерії та веб-розробки (React, Node.js) для створення архітектури додатку. Наукова новизна одержаних результатів. Вперше обґрунтовано та експериментально підтверджено ефективність застосування архітектури Advanced CNN, посиленої механізмом уваги (Attention) та залишковими зв'язками (ResNet), для вирішення задачі 15-класової класифікації біологічного віку на вкрай незбалансованому наборі даних. Доведено, що запропонований end-to-end підхід дозволяє досягти точності класифікації у 87%, перевершуючи існуючі аналоги, що базуються на ручному розрахунку варіабельності серцевого ритму. Практичне значення отриманих результатів. Розроблено, протестовано та впроваджено у вигляді веб-додатку інтелектуальну систему «BioAge-ECG AI». Система забезпечує автоматизований аналіз ЕКГ, визначаючи біологічний вік серця з наданням оцінки впевненості прогнозу. Створений продукт може бути використаний як ефективний інструмент підтримки прийняття рішень у кардіологічній практиці, превентивній медицині та системах телемоніторингу пацієнтів. Апробація результатів роботи. Основні теоретичні положення та практичні результати дисертаційної роботи доповідались та обговорювались на Всеукраїнській Інтернет-конференції молодих учених і студентів «Інформаційні технології в освіті, техніці та промисловості» (ІТОТП-2025). Структура та обсяг магістерської дисертації. Робота складається зі вступу, п'яти розділів, висновків, списку використаних джерел та додатків. Повний обсяг роботи становить 114 сторінок. Публікації. За темою дисертації опубліковано 1 наукову працю. Розроблений програмний комплекс, зокрема клієнт-серверний застосунок, демонструє готовий до впровадження прототип системи підтримки прийняття клінічних рішень. Він може бути використаний лікарями для швидкого скринінгу пацієнтів та ідентифікації осіб з прискореним біологічним старінням серця, що потребують поглибленої діагностики. Розроблено на Python (pytorch, scikit-learn) для backend та Next.js (React, TypeScript) для frontend.Документ Відкритий доступ Адаптивна система збору даних з динамічною зміною параметрів доступу(КПІ ім. Ігоря Сікорського, 2025) Ключук, Владислав Петрович; Отрох, Сергій ІвановичСфери сучасного світу досить часто напряму залежать від стабільного функціонування систем, що забезпечують збір великої кількості інформації із багатьох джерел. Особливо це актуально в умовах глобальної цифровізації, де тисячі онлайн ресурсів та сервісів з’являються щодня. Однак реальне інтернет-середовище часто змінює ключові правила доступу. Змінюються захисні механізми, виникають обмеження, сервери працюють нестабільно тощо. Такі проблеми ускладнюють роботу стандартних підходів та знижують їх ефективність і надійність. Актуальність теми зумовлена потребою у постійному та надійному зборі інформації з веб ресурсів, для отримання своєчасного аналізу у сферах економіки, бізнесу, аналітики, медіа тощо. Використання надійних систем на основі даних методів дозволяє покращити відсоток доступності до цільових ресурсів та покращити точність необхідних метрик. Це, у свою чергу, сприятиме покращенню якості аналітики, зниженню бізнес ризиків та можливості розглядати конкретні сценарії з багатьох сторін. Мета роботи полягає у встановлені методів та архітектури надійної системи збору даних, яка здатна ефективно взаємодіяти із веб ресурсами в умовах змін доступності, мережевих збоїв і нестабільності із сторони цільових серверів. На основі розроблених підходів реалізовано систему збору новин, що виконує автоматичний збір та аналіз контенту для визначення згадок сутностей та формування метрик для подальшого аналізу. Об’єктом дослідження є процес збору та аналізу даних із веб сайтів у майже реальному часі за умов активного захисту. Предметом дослідження є методи та алгоритми, спрямовані на забезпечення надійного збору даних і їх інтеграцію в єдину надійну систему. Методи дослідження передбачають аналіз наявних підходів до адаптивного управління процесом збору даних, порівняльний аналіз існуючих рішень, а також експериментальні методи для тестування ефективності системи в різних умовах на основі новинних сайтів. Практичне значення отриманих результатів полягає у створенні прототипу надійної систему збору даних із відкритих веб ресурсів, яка здатна самостійно та стабільно функціонувати навіть у випадках часткових відмов та блокування. Даний підхід може допомогти отримувати безперервний та надійний доступ до важливої інформації у сферах аналітики, медіа, економіки тощо. Публікації Отрох С., Ключук В. Розширення методів web scraping для надійного збору та аналізу даних. СУЧАСНI ТЕХНОЛОГIЇ РОЗРОБКИ КОМП’ЮТЕРИЗОВАНИХ СИСТЕМ КЕРУВАННЯ РУХОМ : НАУКОВО-ТЕХНIЧНА КОНФЕРЕНЦIЯ, м. Київ, 28–29 листоп. 2023 р. Київ, 2023. С. 65–66. Данильченко В. М., Отрох С. І., Ключук В. П., Сарафанніков О. В. Прискорення збору та аналізу даних за допомогою інструментів асинхронного програмування у Web Scraping. Зв’язок. 2024. Т. 169, № 3. URL: https://doi.org/10.31673/2412-9070.2024.032327. Otrokh S.I., Kliuchuk V.P. An adaptive approach to building reliable data collection systems from open web resources. – Прийнято до публікації. Структура роботи складається зі вступу, п’яти розділів, загальних висновків, списку використаних джерел і додатків. Загальний обсяг роботи становить 112 сторінок, включає 22 таблиці, 23 рисунки та 47 найменувань літератури. Розроблений програмний продукт включає комплекс механізмів для надійного збору, обробки та аналітики даних із відкритих веб-ресурсів із подальшою візуалізацією на платформі, що містить бекенд та фронтенд компоненти. Підсистема збору даних базується на адаптивному алгоритмі, який реалізує механізми повторних спроб із експоненційною затримкою, ротацію проксі-серверів із зваженим розподілом, а також динамічну ротацію HTTP-заголовків. Для підвищення стабільності та продуктивності система також забезпечує логування операцій і кешування отриманих даних. Обробка зібраної інформації виконується із застосуванням методів штучного інтелекту через OpenAI API, що дозволяють ідентифікувати сутності в текстах, формувати відповідні метрики та здійснювати їх порівняння для подальшого аналітичного опрацювання. Користувачі мають змогу переглядати новинний контент, аналізувати виявлені сутності та їх показники через інтерфейс платформи.Документ Відкритий доступ Аналіз та передбачення погодних умов на основі машинного навчання з інтеграцією веб-технологій(КПІ ім. Ігоря Сікорського, 2025) Постернак, Антон Володимирович; Отрох, Сергій ІвановичАктуальність теми. Зростання ролі погодної аналітики посилює потребу в доступних засобах базового дослідницького аналізу погодних даних і швидкого отримання передбачень, а також у простих освітньо-демонстраційних інструментах для ознайомлення користувачів із основними методами машинного навчання без необхідності спеціалізованих технічних знань. Метою роботи є розроблення інтегрованого веб-орієнтованого застосунку, який реалізує повний цикл опрацювання погодних даних: імпорт табличних вибірок, базовий дослідницький аналіз та формування передбачень на основі моделей контрольованого машинного навчання з фіксованими гіперпараметрами. Завдання дослідження: – здійснити аналіз предметної області та наявних підходів до опрацювання погодних даних і побудови прогнозів; – оцінити придатність та ефективність основних моделей машинного навчання з учителем для передбачення погодних параметрів і обґрунтувати вибір; – розробити архітектуру веб-застосунку та визначити функціональну взаємодію його компонентів; – реалізувати модулі обробки та організації даних, базового дослідницького аналізу та формування передбачень і провести тестування їх роботи у межах єдиного програмного середовища; – оцінити ринкові перспективи впровадження розробленого застосунку. Об’єкт дослідження – процеси опрацювання, аналізу та передбачення погодних даних у веб-орієнтованих інформаційних системах. Предмет дослідження – методи та алгоритмічні підходи машинного навчання і засоби їх інтеграції у веб-орієнтоване програмне середовище для класифікації та передбачення параметрів погодних даних. Практична цінність отриманих результатів полягає у створенні веб-орієнтованого застосунку, що забезпечує можливості завантаження, базовий дослідницький аналіз і передбачення погодних даних у єдиному інтерфейсі без потреби в поглиблених технічних знаннях. Отриманий інструмент може використовуватися для швидкого отримання передбачень у прикладних задачах невисокої складності, а також як наочний засіб ознайомлення користувачів з основами машинного навчання на прикладі погодних даних. Методи дослідження включають аналіз наукових джерел та наявних рішень з обробки та прогнозування погодних даних, методи передбачення на основі моделей машинного навчання, порівняльний аналіз та оцінювання якості моделей з використанням кількісних метрик, а також експериментальне тестування розробленого веб-орієнтованого застосунку. Апробація результатів дисертації. Основні результати роботи доповідалися на 2-й Міжнародній науково-практичній конференції «Scientific Research: Emerging Theories and Practical Breakthroughs» (17–19 листопада 2025 р., Единбург, Шотландія). Дисертація складається з переліку умовних позначень, скорочень і термінів; вступу; шести розділів та висновків. Загальний обсяг роботи становить 113 сторінок, з них 91 сторінка основного тексту. Список використаних джерел має обсяг 5 сторінки та містить 43 найменування, додатки займають 17 сторінок. Публікації. Основні положення дисертації відображено в таких публікаціях: – Otrokh S., Posternak A. Web-based System for Weather Data Analysis and Prediction with Machine Learning. Scientific Research: Emerging Theories and Practical Breakthroughs : тези доп. 2-ї Міжнар. наук.-практ. конф. (Единбург, 17–19 листоп. 2025 р.) / European Open Science Space. Единбург, 2025. С. 104–107; – Мельник Ю. В., Отрох С. І., Постернак А. В. Аналіз та передбачення погодних умов на основі машинного навчання з інтеграцією веб-технологій // Наукові записки Державного університету інформаційно-комунікаційних технологій. 2025. № 2.Документ Відкритий доступ Технології інтеграції застосунків ASP.NET Core з сучасними фронтенд-інструментами(КПІ ім. Ігоря Сікорського, 2025) Падалко, Денис Романович; Тарнавський, Юрій АдамовичУ даній роботі було представлено інтеграцію застосунків ASP.NET Core із сучасними фронтенд-інструментами. Проведено огляд актуальних методів обміну даними між клієнтськими та серверними частинами веб-застосунків, розглянуто підходи REST API, GraphQL, gRPC, SignalR, а також особливості роботи SPA-фреймворків і технології Blazor. На основі проведеного аналізу розроблено та реалізовано приклад програмного рішення, яке демонструє практичні механізми взаємодії між серверною частиною ASP.NET Core та кількома фронтенд-клієнтами. Описано архітектуру системи, модель даних, процес реалізації REST API, а також принципи обробки клієнтських запитів. Наведено інструкції з встановлення, запуску і тестування застосунку, а також представлено приклад інтеграції різних клієнтів із єдиним серверним API. Додатково у роботі сформовано стартап-проєкт, у межах якого виконано аналіз ринку, конкурентів, визначено бізнес-модель, ризики та перспективи подальшого розвитку продукту. Даний програмний застосунок реалізує платформу для створення та обслуговування інтернет-магазинів із використанням API-орієнтованої архітектури. Система забезпечує роботу з товарами, категоріями, замовленнями, користувачами, а також підтримує інтеграцію з різними фронтенд-клієнтами. Програма включає серверну частину на базі ASP.NET Core, REST API, модуль авторизації з використанням JWT, засоби адміністрування та тестовий веб-інтерфейс. Застосунок розроблено для подальшого розгортання у хмарному або локальному середовищі та може використовуватися як основа для побудови масштабованих e-commerce рішень. Робота містить 103 сторінки, 6 рисунків, 3 таблиці, 13 джерел та 1 додаток.Документ Відкритий доступ Методи підвищення якості відеозв’язку в системах дистанційного консультування(КПІ ім. Ігоря Сікорського, 2025) Ткачук, Анна Юріївна; Полягушко, Любов ГригорівнаАктуальність теми. Забезпечення стабільного та якісного відеозв’язку є необхідним для ефективної взаємодії між користувачами в системах дистанційного консультування. Від якості відео- та аудіопотоку залежить точність переданої інформації, можливість проведення первинної діагностики, а також комфорт і результативність спілкування між лікарем і пацієнтом. У реальних умовах мережі (мобільний інтернет, перевантажений Wi-Fi, нестабільні канали зв’язку) виникають значні перешкоди, що призводять до втрат пакетів, збільшення затримки, падіння бітрейту, погіршення чіткості зображення та звуку. Тому дослідження та реалізація методів підвищення якості відеозв’язку в умовах нестабільних мереж є актуальними та мають важливе практичне значення для розвитку сучасних систем дистанційного обслуговування та телемедичних сервісів. Метою роботи є дослідження методів підвищення якості відеозв’язку, розробка веб-системи для дистанційного консультування на основі технології WebRTC, з використанням запропонованих методів та метрик QoS (Quality of Service) і QoE (Quality of Experience) для об’єктивної оцінки ефективності роботи системи у різних умовах мережі. Завдання дослідження: провести аналіз сучасних систем для проведення дистанційних консультацій та виявити їх основні функціональні можливості та визначити типові проблеми якості відеозв’язку; дослідити метрики QoS (Quality of Service) і QoE (Quality of Experience) та встановити їх кореляцію; обґрунтувати вибір методів для покращення якості відео- та аудіопотоку, включаючи адаптивну зміну бітрейту та роздільності, компенсацію втрат пакетів (FEC), оптимізацію jitter buffer, підвищення якості аудіо за допомогою шумозаглушення (Noise Suppression) та усунення ефекту ехо (Echo Cancellation), а також покращення зображення з використанням алгоритмів AI Upscaling; розробити прототип системи дистанційного консультування на основі технології WebRTC, який забезпечує відео- та аудіозв’язок у реальному часі між користувачами; реалізувати обрані методи підвищення якості відеозв’язку у прототипі веб-системи дистанційного консультування; провести експериментальні дослідження в різних мережевих сценаріях, включаючи локальні мережі (LAN), бездротові Wi-Fi та мобільні 3G і 4G; виконати порівняльний аналіз результатів «до» та «після» застосування методів покращення якості відеозв’язку та оцінити ефективність впроваджених алгоритмів. Об’єкт дослідження – моделі процесів передачі аудіо- та відеопотоків у системах відеозв'язку реального часу на базі WebRTC. Предмет дослідження – методи та алгоритми підвищення якості відеозв'язку в системах дистанційного консультування, включаючи компенсацію втрат пакетів, адаптивну передачу відео, оптимізацію буферизації та застосування штучного інтелекту для покращення роздільності відеопотоку. Практична цінність роботи полягає у можливості інтеграції отриманих результатів у різні системи дистанційного консультування та комунікації, зокрема у телемедичні платформи, онлайн-освітні сервіси, психологічну допомогу, юридичні консультації, бізнес-комунікації, HR-співбесіди, технічну підтримку та інші сервіси, що використовують відеозв’язок у реальному часі. Запропоновані методи та алгоритми, включаючи адаптивне керування параметрами медіапотоків, компенсацію втрат пакетів та оптимізацію аудіо- і відеопотоків, дозволяють значно підвищити стабільність та якість відеокомунікації навіть за умов нестабільних мереж. Це робить систему ефективною та практично придатною для широкого спектру застосувань, де важлива безперервність та точність переданої інформації. Апробація результатів дисертації. Основні положення даної роботи на тему «Методи підвищення якості відеозв’язку в системах дистанційного консультування» доповідались та обговорювались на 3 Міжнародній науково-практичній конференції «Innovative Approaches is Modern Science and Technology», що проходила 12-14 листопада 2025 року у м. Лісабон, Португалія. Дисертація складається зі вступу, п’ятьох розділів та висновків. Повний обсяг дисертації складає 90 сторінок, в тому числі 80 сторінок основного тексту, 10 таблиць, 16 рисунків, 4 сторінки списку використаних джерел у кількості 35 найменувань.Документ Відкритий доступ Інформаційна система відображення логістичних метрик із BI-візуалізацією(КПІ ім. Ігоря Сікорського, 2025) Радчук, Ігор Валерійович; Аушева, Наталія МиколаївнаМагістерська робота присвячена дослідженню, розробленню та впровадженню комплексної інформаційної системи для аналізу, прогнозування та BI-візуалізації логістичних метрик. У роботі розглянуто повний цикл автоматизованої обробки логістичних даних, який охоплює їх збирання, очищення, трансформацію, аналітичні розрахунки, сегментацію клієнтів методом RFM, побудову прогнозів часових рядів та формування текстових управлінських висновків за допомогою моделей штучного інтелекту. Особливу увагу приділено проблемам фрагментації даних у логістичних компаніях, необхідності оперативного прийняття управлінських рішень та інтеграції сучасних технологій аналітики в єдину цифрову платформу. У межах роботи проаналізовано можливості BI-інструментів і визначено оптимальні засоби для побудови аналітичної системи, серед яких PostgreSQL як основне сховище даних, FastAPI як серверна частина для реалізації REST API, бібліотеки Pandas, NumPy та Prophet для виконання аналітичних операцій і прогнозування. Проведено інтеграцію з OpenAI API для автоматичного формування текстових аналітичних висновків. На основі отриманих результатів створено програмний комплекс із модульною архітектурою, що забезпечує масштабованість, гнучкість та можливість подальшого розширення. Розроблене програмне забезпечення надає повну автоматизацію обробки логістичних даних і представлення результатів у вигляді інтерактивних дашбордів Power BI, що робить систему придатною для операційного моніторингу, стратегічного аналізу, управління клієнтськими сегментами та прогнозування бізнес-показників.Документ Відкритий доступ Статистичні моделі аналізу тренувальних факторів і прогнозування спортивних результатів(КПІ ім. Ігоря Сікорського, 2025) Холодницька, Аріна Юріївна; Кублій, Лариса ІванівнаАктуальність теми. Підвищення спортивних результатів залежить не тільки від обсягу й характеру фізичних навантажень, а й від індивідуальних особливостей людини — генетичних, фізіологічних, поведінкових тощо. Проблемою постає розуміння того, який саме фактор і якою мірою впливає на індивідуальний результат спортсмена. З огляду на це актуальним є виявлення й кількісна оцінка впливу різних факторів на спортивний результат особистості. Метою роботи є розробка програмного інструменту, який забезпечує аналіз впливу тренувальних факторів і прогнозування спортивних результатів. Завдання дослідження: — проаналізувати сучасні підходи і статистичні методи, які застосовуються для аналізу спортивних показників; — розробити математичну модель для аналізу залежностей між тренувальними факторами й спортивними результатами; — створити веб-застосунок для візуалізації результатів моделювання. Об’єкт дослідження — статистичні методи й алгоритми аналізу даних, які використовуються для виявлення залежностей і побудови прогнозів. Предмет дослідження — статистичні методи для оцінки впливу тренувальних факторів і прогнозування спортивних показників. Методи дослідження: кореляційний аналіз для виявлення й відбору найбільш значущих факторів, які впливають на спортивні результати; множинна лінійна регресія з оцінкою параметрів методом найменших квадратів; перевірка статистичної значущості коефіцієнтів регресії за допомогою критерію Стьюдента; перевірка адекватності моделі за допомогою критерію Фішера-Снедекора. Практична цінність розробленого програмного інструменту полягає в можливості аналізу впливу різних факторів на результативність спортсменів. Результати аналізу можуть бути використані для вдосконалення й персоналізації тренувального процесу. Апробація результатів дисертації. Основні положення роботи доповідалися та обговорювалися на ХХІІ Міжнародній науково-практичній конференції молодих вчених і студентів «Сучасні проблеми наукового забезпечення енергетики», м. Київ, 22-25 квітня 2025 року. Результати дослідження опубліковані в науковому журналі «Вісник Херсонського національного технічного університету», № 3, 2025. Дисертація складається зі вступу, п’яти розділів і висновків. Загальний обсяг роботи становить 106 сторінок, з яких 84 сторінки — основний текст. Робота містить 6 таблиць, 42 рисунки, список використаних джерел, який налічує 47 найменувань. Дисертація демонструє розробку програмного інструменту для аналізу впливу тренувальних факторів на результативність спортсменів із можливістю прогнозування результатів на основі виявлених залежностей. Програмний інструмент реалізовано у вигляді веб-застосунку на основі клієнт-серверної архітектури, де клієнтська частина розроблена з використанням фреймворку Angular (TypeScript), серверна частина з використанням фреймворку NestJS (TypeScript), а як систему керування базами даних використано PostgreSQL. У роботі застосовано такі статистичні методи, як кореляційний аналіз, множинна лінійна регресія, критерій Стьюдента, критерій Фішера-Снедекора. Веб-застосунок забезпечує користувачам можливість аналізувати вплив факторів на результат за стандартним або власним показником, прогнозувати результат на основі виявлених залежностей на обрану майбутню дату й вести щоденник тренувань.Документ Відкритий доступ Web-платформа підтримки ментального здоров’я з інтеграцією технологій машинного навчання(КПІ ім. Ігоря Сікорського, 2025) Хороших, Олександр Леонідович; Сегеда, Ірина ВасилівнаСтруктура та обсяг кваліфікаційної роботи. Магістерська дисертація складається зі вступу, шести розділів, висновків та додатка. Робота містить посилання на 33 джерела, 15 таблиць, 26 ілюстрацій. Основна частина викладена на 110 сторінках, загальний обсяг роботи 122 сторінки. Актуальність. У сучасному цифровому суспільстві зростає усвідомлення важливості ментального здоров’я як одного з ключових чинників загального добробуту людини. Стрес, тривожність і емоційне вигорання стають поширеними проблемами, особливо серед молоді та осіб, що перебувають у кризових умовах. Однак доступ до кваліфікованої психологічної допомоги часто є обмеженим через брак фахівців, стигматизацію теми або фінансові бар’єри. У зв’язку з цим актуальним є створення цифрових інструментів самодопомоги, які поєднують простоту використання, доступність і персоналізацію. Одним з перспективних напрямів є розробка веб-платформ, здатних не лише фіксувати психоемоційний стан користувача, а й надавати індивідуальні рекомендації на основі аналізу текстів і поведінкових даних. Застосування алгоритмів машинного навчання, зокрема TF-IDF та cosine similarity, дозволяє сформувати релевантні поради, враховуючи індивідуальні особливості користувача, його емоційні коливання та взаємодію з платформою . Метою роботи є розробка веб-платформи підтримки ментального здоров’я, яка забезпечує персоналізовану взаємодію з користувачем на основі алгоритмів машинного навчання, дозволяє вести щоденник, фіксувати настрій, переглядати аналітику та отримувати рекомендації й навчальний контент для емоційної самопідтримки. Для досягнення поставленої мети виконано такі завдання: — проаналізовано сучасні цифрові сервіси у сфері ментального здоров’я; — досліджено математичні основи NLP-моделей, алгоритмів TF-IDF та cosine similarity; — спроєктовано архітектуру клієнтсько-серверної веб-платформи; — розроблено серверну частину на основі Nest.js та базу даних у PostgreSQL; — реалізовано клієнтську частину з використанням Next.js, Tailwind CSS і React Query; — створено функціональні модулі: щоденник, трекер настрою, навчальні вправи, чат і система рекомендацій; — проведено дослідження розробленої системи. Об’єкт дослідження — процес цифрової підтримки ментального здоров’я користувачів у веб-середовищі. Предмет дослідження — веб-платформа з модульною архітектурою, що реалізує фіксацію емоційного стану, персоналізовані рекомендації та навчальний контент. Методи дослідження — аналіз, NLP, векторне подання текстів, проєктування, програмування, валідація, REST API, тестування. Практичне значення роботи полягає у створенні повнофункціонального веб-застосунку, який може бути використаний як цифровий інструмент самодопомоги для покращення ментального стану користувача. Платформа також є адаптивною до впровадження у навчальні, корпоративні чи медичні середовища для моніторингу емоційного стану та надання рекомендацій. Апробація результатів дисертації. Основні положення магістерської роботи були опубліковані та презентовані на: XIII Міжнародна науково-практична конференція «Modern digital technologies and problems of their use» Технічні науки, 24 листопада, Прага, Чехія. Результати дослідження представлені у 1 науковій публікації. Розроблена веб-платформа підтримки ментального здоров’я реалізована як клієнтсько-серверний застосунок із використанням фреймворків Nest.js для серверної частини та Next.js для клієнтського інтерфейсу. Для взаємодії з базою даних використано ORM Sequelize та реляційну СКБД PostgreSQL, що забезпечує ефективне зберігання психологічних даних користувачів, їхніх записів настрою, журналів та історії рекомендацій. Система має модульну архітектуру й охоплює ключові функціональні блоки: щоденник, трекер настрою, аналітику, чат-бот та модуль персоналізованих рекомендацій, що працює на базі алгоритмів TF-IDF та косинусної подібності. Користувачі отримують можливість фіксувати свій емоційний стан, спостерігати динаміку змін за допомогою графіків (реалізованих через Chart.js), а також взаємодіяти з інтерфейсом через зручний дизайн, створений на Tailwind CSS. Завдяки використанню сучасного технологічного стеку, система відзначається високою продуктивністю, масштабованістю, безпекою та зручністю адаптації до потреб різних цільових груп. Це дозволяє не лише підвищити рівень саморефлексії користувачів, а й створити надійну основу для подальшого впровадження платформи в освітні, корпоративні або медичні середовища.Документ Відкритий доступ Методи штучного інтелекту для розпізнавання рослин на зображеннях для реалізації Android-додатків(КПІ ім. Ігоря Сікорського, 2025) Степаненко, Микола Федорович; Сегеда, Ірина ВасилівнаТрадиційні методи ботанічної ідентифікації вимагають глибоких знань систематики та багаторічного досвіду. Більшість існуючих мобільних рішень для розпізнавання рослин потребують постійного інтернет-з’єднання та не підтримують одночасну ідентифікацію декількох об’єктів на зображенні. Актуальність роботи обумовлена потребою в доступних інструментах для ботанічної освіти та екологічного моніторингу. Застосування архітектури MobileNetV2 з квантизацією моделі забезпечує баланс між точністю класифікації та обчислювальною ефективністю на пристроях з обмеженими ресурсами. Мета роботи полягає у розробці методів штучного інтелекту для автоматичного розпізнавання рослин на зображеннях та реалізації Android-додатку з повною офлайн функціональністю і підтримкою детекції множинних об’єктів. Завдання дослідження включають: 1) аналіз існуючих методів комп’ютерного зору для класифікації рослин. 2) розробку архітектури згорткової нейронної мережі на базі MobileNetV2; 3) підготовку датасету шляхом об’єднання Oxford Flowers 102 та Kaggle Flower Recognition; 4) навчання моделі з трансферним навчанням та INT8 квантизацією; 5) розробку Android-додатку з інтеграцією TensorFlow Lite та ML Kit; 6) проведення тестування системи та аналіз точності розпізнавання. Об’єктом дослідження є процес автоматичної класифікації рослин на основі візуальних ознак зображень. Предметом дослідження є методи глибокого навчання для розпізнавання квітів на мобільних платформах Android. Методи дослідження включають машинне навчання на базі згорткових нейронних мереж, трансферне навчаня для адаптації попередньо навчених моделей, квантизацію моделей для оптимізації швидкості інференсу, методи комп’ютерного зору для детекції множинних об’єктів, експериментальне тестування на реальних пристроях. Практичне значення отриманих результатів полягає у створенні повнофункціонального мобільного додатку для офлайн розпізнавання рослин, який може застосовуватися в ботанічній освіті для навчання видового різноманіття без залучення експертів, екологічних дослідженнях для документування флори у віддалених локаціях, туристичних подорожах для швидкої ідентифікації рослин, а також любительському садівництві для визначення декоративних видів. Апробація результатів дослідження. Основні положення роботи представлено на VIII Міжнародній науково-практичній конференції «Modern technologies in education, work and science». Робота складається зі вступу, п’яти розділів, загальних висновків, списку використаних джерел та додатків. Загальний обсяг становить 116 сторінок, включає 32 таблиці, 16 рисунків та 43 джерел літератури. Мобільний Android-додаток для офлайн розпізнавання квітів на зображеннях. Програма використовує згорткову нейронну мережу MobileNetV2 з INT8 квантизацією для класифікації 101 виду квітів. Підтримує детекцію множинних об'єктів на одному зображенні за допомогою ML Kit Object Detection. Реалізовано функції журналювання ідентифікацій з геолокацією, інтерактивну карту, довідник квітів та двомовний інтерфейс (українська/англійська). Розмір моделі: 2,76 МБ, точність класифікації: 96%.Документ Відкритий доступ Імітаційна модель системи захисту мережевої інфраструктури від кібератак(КПІ ім. Ігоря Сікорського, 2025) Снігур, Вероніка Василівна; Лабжинський, Володимир АнатолійовичАктуальність теми. Сучасні корпоративні мережі повинні бути здатними функціонувати в умовах постійно зростаючих кіберзагроз, серед яких найбільш поширеними типами є DDoS-атаки, Brute-force, несанкціонований доступ, а також втручання у мережеві протоколи. За відсутності сегментації, налаштованих політик доступу, централізованого журналювання та систем для виявлення загроз мережі стають критично вразливими. Тому розробка імітаційних моделей захисту мережевої інфраструктури є актуальним завданням, що має значну практичну цінність у галузі кібербезпеки. Метою роботи є створення імітаційної моделі корпоративної мережі та проведення експериментального оцінювання ефективності систем захисту в умовах симуляції реальних кіберзагроз. Завдання дослідження: — провести аналіз сучасних методів і засобів захисту мережевої інфраструктури; — розробити імітаційну модель корпоративної мережі з сегментацією VLAN, ACL, NAT, VPN та периметровим захистом ASA firewall; — налаштувати комплекс механізмів безпеки на основі фаєрвола Cisco ASA та мережевих політик; — змоделювати типові кібератаки (DDoS/ICMP-flood, Brute-Force, спроби несанкціонованого доступу) та дослідити реакцію системи; — здійснити аналіз продуктивності та визначити ефективність реалізованих механізмів захисту; — сформувати рекомендації щодо подальшого вдосконалення моделі. Об’єкт дослідження — корпоративна мережева інфраструктура та її компоненти. Предмет дослідження — імітаційна модель системи захисту мережевої інфраструктури від кібератак та її поведінка під час надмірного навантаження. Практична цінність отриманих результатів полягає у створенні повноцінної моделі, що дозволяє досліджувати кіберзагрози без ризику для реальних систем, оцінювати ефективність політик безпеки, відтворювати сценарії атак і тестувати реакцію фаєрвола, ACL, VPN та Syslog-журналювання. Розроблена модель може бути використана не лише як навчальна або дослідницька платформа, але й як практичний інструмент для попереднього тестування політик безпеки, оцінювання кібервитривалості та планування модернізації реальних корпоративних мереж. Апробація результатів дисертації. Основні положення роботи доповідалися та обговорювалися на XIV Міжнародній науково-практичній конференції «Прикладна геометрія, інженерна графіка та об’єкти інтелектуальної власності», 21 травня 2025, м. Київ, Україна [1]. Структура роботи. Дисертація складається зі вступу, п’яти розділів, висновків, списку використаних джерел та додатків. Повний обсяг роботи становить 100 сторінок, включаючи 46 рисунків, 15 таблиць та 36 джерел у списку літератури. Розроблене програмне забезпечення являє собою імітаційну модель корпоративної мережі, реалізовану у середовищі Cisco Packet Tracer з використанням маршрутизатора, комутаторів, VLAN-сегментації та міжмережевого екрана Cisco ASA. ПЗ забезпечує відтворення типових мережевих процесів, моделювання кібератак (ICMP-flood, DDoS, brute-force, несанкціонований доступ), а також оцінку роботи механізмів захисту — ACL, NAT, VPN, IDS/IPS та Syslog-моніторингу. Система дозволяє запускати експерименти, фіксувати реакцію мережі, аналізувати логи та порівнювати ефективність різних конфігурацій безпеки, що робить її зручним інструментом для дослідження стійкості інфраструктури до атак у контрольованих умовах.Документ Відкритий доступ Автоматизація процесу закупівель енергетичного обладнання(КПІ ім. Ігоря Сікорського, 2025) Середа, Владислав Олександрович; Тарнавський, Юрій АдамовичСфера закупівель енергетичного обладнання стрімко переходить до цифрових рішень, оскільки традиційні паперові або напівавтоматизовані процеси не забезпечують достатньої швидкості, прозорості та точності під час взаємодії підприємств із постачальниками. Актуальність теми обумовлена зростанням потреби в ефективних ІТ-інструментах, здатних оптимізувати формування замовлень, контроль залишків, облік транзакцій, аналітику закупівель та подальшу взаємодію з постачальниками. Автоматизація цих процесів дає змогу зменшити людський фактор, прискорити ухвалення рішень та підвищити економічну ефективність підприємств енергетичного сектору. Мета роботи полягає у розробленні веб-системи для автоматизації процесу закупівель енергетичного обладнання з використанням сучасних веб-технологій, механізмів обробки даних та інтеграції безпечних онлайн-платежів. Завдання дослідження включають: визначення ключових бізнес-процесів у сфері закупівель енергообладнання; вибір технологій та інструментів для побудови надійної веб-платформи; розроблення модулів оформлення замовлень, аналітики, обліку та взаємодії з постачальниками; інтеграцію сервісу онлайн-платежів LiqPay; проведення тестування продуктивності та оптимізацію системи під реальні навантаження. Об’єктом дослідження є процес організації та виконання закупівель енергетичного обладнання. Предметом дослідження є методи та програмні засоби автоматизації закупівельних процесів у веб-середовищі. Методи дослідження включають аналіз бізнес-процесів, проєктування архітектури інформаційних систем, застосування фреймворку Spring, моделювання бази даних, інтеграцію зовнішніх API, а також тестування продуктивності та функціональне тестування веб-додатку. Апробація результатів дослідження. Основні положення роботи представлено на XXII-й міжнародній науково-практичній конференції молодих вчених та студентів “Сучасні проблеми наукового забезпечення енергетики”. Робота складається зі вступу, п’яти розділів, загальних висновків, списку використаних джерел і додатків. Загальний обсяг роботи становить 96 сторінок, включає 3 таблиці, 34 рисунка і 27 використаних джерел. Розроблена веб-платформа автоматизує ключові процеси закупівель енергетичного обладнання, забезпечуючи зручну взаємодію користувачів із системою. Функціонал передбачає роботу в режимі гостя та авторизованого користувача: зареєстровані користувачі отримують доступ до оформлення закупівель та регулярних підписок, керування кошиком, здійснення онлайн-платежів та перегляду хроніки операцій. Гості можуть ознайомлюватися з асортиментом обладнання та характеристиками товарів без необхідності авторизації. Платформа має інтуїтивно зрозумілий інтерфейс, що спрощує початкову навігацію та користування сервісом. Система розгорнута на публічному домені та пройшла перевірку працездатності, що підтверджує готовність до навантажень у реальних умовах експлуатації.