Бакалаврські роботи (ММСА)
Постійне посилання зібрання
Переглянути
Нові надходження
Документ Відкритий доступ Оцінка впливу обмежень COVID-19 на поширення інфекції та соціоекономічні показники(КПІ ім. Ігоря Сікорського, 2024) Страшук, Віталій Олександрович; Каніовська, Ірина ЮріївнаДипломна робота: 120 с., 22 рис, 7 табл., 3 дод., 7 джерел. Мета роботи полягає у аналізі та оцінюванні ефективності коронавірусних обмежень на поширення інфекції та їхнього впливу на соціально-економічні показники різних країн, з метою визначення оптимальних стратегій управління пандемією, що максимізують охорону здоров'я населення та мінімізують економічні втрати. Об'єктом дослідження у роботі "Оцінка впливу обмежень COVID-19 на поширення інфекції та соціоекономічні показники" є комплексне вивчення наслідків, які мали місце в результаті впроваджених обмежувальних заходів на фоні пандемії COVID-19. Предметом дослідження є використання статистичних та економетричних методів для оцінювання ефективності коронавірусних обмежень на поширення інфекції та їхнього впливу на соціально-економічні показники. Практичне значення роботи полягає в наданні інструментів для ухвалення рішень урядами та органами охорони здоров'я, спрямованих на оптимізацію заходів реагування на пандемії. Це дозволяє підвищити ефективність антипандемічних заходів, мінімізувати соціальні та економічні втрати, а також покращити планування подальших втручань з урахуванням соціально-економічного контексту різних країн.Документ Відкритий доступ Покращення якості фото генеративно-змагальними нейронними мережами(КПІ ім. Ігоря Сікорського, 2024) Рудий, Петро Андрійович; Данилов, Валерій ЯковичДипломна робота містить 93 с., 26 рис., 8 табл., 2 дод., 72 джерела. У даній роботі розглянуто задачу покращення якості зображення методами на основі генеративно-змагальних мереж, її актуальність та проблематику. Об’єктом дослідження є методи та алгоритми покращення якості зображень та створення реконструйованого зображення високої роздільної здатності. Предметом дослідження є методи покращення якості зображення на основі генеративно-змагальних нейронних мереж. Мета роботи полягає у розробці ефективного методу покращення якості зображення на основі генеративно-змагальної нейронної мережі. Актуальність даної роботи визначена тим, що необхідність у ефективних алгоритмах покращення якості зображення є у багатьох сферах та завданнях, від комп’ютерного зору та медицини до обробки космічних знімків та історичних фотографій. В даній роботі було розроблено програмний метод на мові програмування Python для покращення роздільної здатності зображення на основі генеративно-змагальній нейронній мережі.Документ Відкритий доступ Дослідження тижневого трекеру ОЕСР як надійного показника економічної діяльності(КПІ ім. Ігоря Сікорського, 2024) Сапельніков, Вячеслав Леонідович; Барановська, Леся ВалеріївнаДипломна робота: 90 с., 10 рис., 9 табл., 2 дод., 33 джерел. Об’єкт дослідження – тижневий трекер економічної активності, розроблений Організацією економічного співробітництва та розвитку (ОЕСР). Предмет дослідження – показники економічної активності, які відстежуються тижневим трекером ОЕСР. Мета роботи – проаналізувати предмет дослідження, оцінити надійність та точність тижневого трекера ОЕСР як інструмента для моніторингу економічної діяльності. Методи дослідження – економетричний аналіз, порівняння даних трекера ОЕСР з іншими показниками економічної активності, такими як ВВП, індикатор економічних настроїв та індекси споживчих настроїв. Актуальність – дослідження необхідності оперативного моніторингу економічної активності в умовах швидких змін на глобальних ринках. Результати роботи – проведено аналіз точності тижневого трекера ОЕСР, встановлено його високу кореляцію з традиційними показниками економічної активності. Шляхи подальшого розвитку предмету дослідження – інтеграція трекера ОЕСР з іншими інструментами аналізу, розширення його застосування на різні галузі економіки. Проведення досліджень щодо впливу сезонних факторів та інших змінних на точність трекера.Документ Відкритий доступ Порівняльний та кореляційний аналіз прибутковості різних типів відеоігор. Виділення трендів та аналіз розвитку компаній у відео- ігровій індустрії(КПІ ім. Ігоря Сікорського, 2024) Мельник, Микола Сергійович; Барановська, Леся ВалеріївнаДипломна робота: 93 с., 6 табл., 25 рис., 2 додатки, 14 джерел. Об’єкт дослідження – набір даних з продажів відеоігор. Предмет дослідження – методи аналізу даних та їх інтерпретації. Мета роботи – провести комплексний аналіз набору даних задля більш глибинного розуміння індустрії відеоігор та їх споживання. Методи дослідження – методи аналізу даних, в тому числі описовий та діагностичний. Актуальність – задача аналізу доходів відео-ігрової індустрії у часі, виявлення трендів та дослідження перспектив. Результати роботи – досліджено набір даних та зроблено висновки з отриманих результатів аналізу, реалізовано графічне представлення отриманих результатів. Шляхи подальшого розвитку предмету дослідження – прийняття рішень на основі винайдених даних, прогнозування та передбачення на основі досліджених даних задля прийняття більш зважених рішень для розвитку тих чи інших відео-ігрових компаній.Документ Відкритий доступ Система модифікації зображень за допомогою генеративних нейронних мереж(КПІ ім. Ігоря Сікорського, 2024) Пасічна, Олександра Віталіївна; Канцедал, Георгій ОлеговичДипломна робота: 140 с., 9 табл., 21 рис., 2 додатки, 14 джерел. Об’єкт дослідження – розробка та аналіз методів обробки зображень за допомогою генеративних нейронних мереж, включаючи зміну стилю, покращення якості та колоризацію. Предмет дослідження – методи обробки зображень, оптимізація мереж для обробки зображень. Мета роботи – розробка та вдосконалення методів глибинного навчання для обробки зображень, включаючи зміну стилю, покращення якості та колоризацію, з метою створення алгоритмів, здатних автоматично перетворювати зображення різних типів та підвищувати їх візуальну якість. Результати – для задачі колоризації навчено три моделі: звичайну згорткову мережу, GAN з U-Net архітектурою, Pix2Pix підхід до генеративних змагальних мереж з U-Net архітектурою; також було навчено дві моделі для покращення якості зображення: той самий Pix2Pix підхід до генеративних змагальних мереж з U-Net архітектурою, SRGAN з residual blocks та використанням VGG19, і одну модель для неконтрольованої зміни стилю (переведення зображення в стиль картин Клода Моне): CycleGAN з U-Net архітектурою.Документ Відкритий доступ Симуляційне дослідження стратегій поведінки в суспільствах на основі теорії ігор(КПІ ім. Ігоря Сікорського, 2024) Муравський, Ігор Андрійович; Барановська, Леся ВалеріївнаДипломна робота: 129 с., 6 табл., 20 рис., 2 додатки, 35 джерел. Об’єкт дослідження – стратегії поведінки в суспільствах. Предмет дослідження – застосування теорії ігор для моделювання та аналізу соціальних взаємодій. Мета роботи – визначити та проаналізувати оптимальні стратегії поведінки в суспільствах за допомогою симуляційних моделей на основі теорії ігор. Методи дослідження – симуляційне моделювання, теорія ігор, комп'ютерні експерименти з використанням Python. Актуальність – важливість розуміння стратегій поведінки в суспільствах, які можуть бути змодельовані за допомогою теорії ігор. Це дозволяє аналізувати взаємодії між індивідами та групами, що є ключовим для прогнозування соціальних процесів та розробки ефективних стратегій управління. Результати роботи – створено програмний продукт, написаний на Python, який використовує симуляційні моделі, які можуть бути використані для симуляції поведінки у суспільствах на основі теорії ігор. Шляхи подальшого розвитку предмету дослідження – розширення моделей для врахування складніших соціальних взаємодій, вивчення впливу інформації та комунікацій на стратегії поведінки. Подальший розвиток може також включати інтеграцію з методами машинного навчання і аналізу великих даних.Документ Відкритий доступ Аналіз результатів нейронних мереж та регресійних методів для прогнозування погодинного енергетичного надходження Оператора системи розподілу(КПІ ім. Ігоря Сікорського, 2024) Луцюк, Владислав Васильович; Барановська, Леся ВалеріївнаДипломна робота: 142 с., 9 табл., 46 рис., 2 додатки, 30 джерел. Об’єкт дослідження – надходження електричної енергії в мережу Оператора системи розподілу. Предмет дослідження – методи штучного інтелекту та регресійні методи для задач прогнозування надходження в мережу Оператора системи розподілу. Мета роботи – провести аналіз та порівняння різних наборів даних та алгоритмів нейронних мереж та регресійних моделей для прогнозування надходження в мережу Оператора системи розподілу електричної енергії. Методи дослідження – використання алгоритмів машинного навчання та аналізу даних. Актуальність – вирішення задачі прогнозування надходження в мережу Оператора системи розподілу, для зменшення збитків компанії Оператора на ринках електричної енергії. Результати роботи – зібрано набір даних та створено програмний продукт, на основі методів штучного інтелекту, для стабільного прогнозування надходження в мережу Оператора системи розподілу. Шляхи подальшого розвитку предмету дослідження – комбінація різних параметрів для створення кращого набору даних та пошук нової інформації, що може зменшити похибку прогнозування. Створення повноцінного програмного продукту з використанням графічного інтерфейсу для зручного використання програми іншими користувачами.Документ Відкритий доступ Система підтримки прийняття рішень для аналізу фінансових ризиків(КПІ ім. Ігоря Сікорського, 2024) Іванець, Анастасія Вадимівна; Левенчук, Людмила БорисівнаДипломна робота: 101 с., 19 рис., 9 табл., 3 додатки, 19 джерел. Тема: Система підтримки прийняття рішень для аналізу фінансових ризиків. У роботі розглянуто моделі волатильності, такі як GARCH та EGARCH, методологію Value at Risk (VaR) для оцінки фінансових ризиків. Була розроблена система підтримки прийняття рішень для аналізу фінансових ризиків. Об’єкт дослідження: фінансовий ризик. Предмет дослідження: моделі формального опису нестаціонарних процесів, система підтримки прийняття рішень. Мета роботи: розробити програмний продукт, а саме систему підтримки прийняття рішень (СППР) для оцінки фінансових ризиків, який допоможе керівникам підприємств аналізувати поточну фінансову ситуацію та враховувати можливість фінансових ризиків. Методи дослідження: методи статистичного аналізу даних. Розроблено програмний продукт на мові програмування Python для аналізу фінансових ризиків. Аналіз був проведений на основі реальних даних цін на акції компанії Apple Inc. з 01.01.2020 по 01.01.2024.Документ Відкритий доступ Виведення та утримання об’єкту на заданій траєкторії(КПІ ім. Ігоря Сікорського, 2024) Дудін, Євгеній Васильович; Данилов, Валерій ЯковичДипломна робота: 92 с., 7 табл., 25 рис., 1 додаток, 13 джерел. Дослідження предметної області; поняття про теорію керування систем зі зворотнім зв’язком; класичні та сучасні методи налаштування ПІД(пропорційний інтегральний диференціальний)-контролера; програмна реалізація та аналіз результатів; функціонально-вартісний аналіз програмного забезпечення. Об’єкт дослідження – самостабілізуюча система на базі ПІД- контролера. Предмет дослідження – методи налаштування ПІД-контролера. Отримання даних про динаміку ворожого об’єкту. Мета роботи – розробити схему системи наведення ракети до точки випередження ворожої цілі, використовуючи ПІД-контролер. Методи дослідження – використання алгоритмів утримання ракети на заданій траекторії, методи налаштування ПІД-контролера. Актуальність – модернізація наявних систем наведення в застарілих зразках бойових машин, з метою підсилення проти-повітряної оборони. Результати роботи – розроблено математичну модель наведення, а також проведенно її програмне моделювання засобами мовою Python та її графічними бібліотеками. Шляхи подальшого розвитку предмету дослідження – розробка цифрової моделі наведення, впровадження модернізації наявних застарілих засобів проти-повітряної оборони.Документ Відкритий доступ Аналіз настроїв текстових повідомлень із використанням методів машинного навчання(КПІ ім. Ігоря Сікорського, 2024) Староконь, Денис Ігорович; Дмитрієва, Ольга АнатоліївнаДипломна робота: 69 с., 10 рис., 7 табл., 1 додаток, 14 джерел. Об’єктом дослідження є процеси машинного навчання, що орієнтовані на аналіз настроїв текстових повідомлень - відгуків на товари та фільми. Предметом дослідження є алгоритми інтелектуального аналізу текстових даних для визначення тональності відгуків та передбачення настроїв користувачів. Мета роботи полягає у підвищенні ефективності алгоритмів аналізу текстових повідомлень у галузі електронної комерції із застосуванням методів машинного навчання. Методи розробки базуються на використанні основних положень теорії обробки природної мови, математичної статистики, машинного навчання, інтелектуального аналізу даних. Навчання розроблених моделей здійснювалося з використанням методів та систем штучного інтелекту. Проектування програмної частини роботи ґрунтувалося на підходах, що застосовуються при аналізі обчислювальних алгоритмів, було задіяно сучасні технології розробки програмного забезпечення. Практичне значення роботи полягає в створенні програмного продукту для аналізу текстових повідомлень та визначення тональності відгуків на товари у галузі електронної комерції фільмів.Документ Відкритий доступ Застосування сучасних бібліотек Python для аналізу та обробки часових рядів на прикладі криптовалют(КПІ ім. Ігоря Сікорського, 2024) Тірин, Єлизавета Сергіївна; Савастьянов, Володимир ВолодимировичДипломна робота: 113 с., 19 табл., 28 рис., 2 додатки, 35 джерел. Об’єкт дослідження – прогнозування цінової динаміки Bitcoin за допомогою сучасних бібліотек мови програмування Python. Предмет дослідження – методи прогнозування часових рядів, реалізовані за допомогою мови програмування Python. Мета роботи – застосувати сучасні моделі машинного навчання для прогнозування ціни криптовалют на прикладі Bitcoin, розробити програмний продукт за допомогою мови програмування Python для прогнозування динаміки цін. Актуальність – останні роки інтерес до криптовалюти збільшується, що робить її вплив на фінансовий ринок значущим. В свою чергу, зі зростом цікавості до об’єкту, зростає інтерес до методів прогнозування для прийняття рішень, що базуються на історичній інформації. Результати роботи – проаналізовано сучасні засоби машинного навчання, такі як бібліотеки Keras, Prophet та XGBoost; створено програмний продукт на основі мови програмування Python з метою практичного випробовування підходів на основі градієнтного підсилювання, нейронних мереж та адитивної моделі регресії, які можуть бути використаним для прогнозування динаміки зміни ціни електронної платіжної системи «Bitcoin». Шляхи подальшого розвитку предмету дослідження – визначення додаткових методів аналізу та прогнозування з використанням підходів машинного навчання, розробка інтерфейсу програмного продукту, розробка додаткових інструментів з метою включення зовнішніх факторів впливу при прогнозуванні.Документ Відкритий доступ Агентне моделювання систем зеленої енергетики(КПІ ім. Ігоря Сікорського, 2024) Захаренко, Нікіта Сергійович; Кузнєцова, Наталія ВолодимирівнаДипломна робота: 124 с., 14 рис., 6 табл., 2 дод., 10 джерел. Об’єкт дослідження – системи зеленої енергетики, що використовують відновлювані джерела енергії. Предмет дослідження – взаємодія між різними типами агентів у системах зеленої енергетики та ефективність виробництва електроенергії за допомогою сонячних, вітрових і гідроелектростанцій. Мета роботи – розробити та використати агентні моделі для дослідження систем зеленої енергетики з метою визначення можливостей забезпечення окресленої кількості споживачів виключно за допомогою відновлюваних джерел енергії. Методи дослідження – агентне моделювання, аналіз попиту та виробництва енергії, симуляція взаємодії між споживачами та виробниками в умовах змінних погодних умов. Актуальність – розробка ефективних стратегій впровадження зеленої енергетики та забезпечення її надійності та економічної ефективності. Результати роботи – проведено моделювання, отримані дані про ефективність різних типів електростанцій, розроблені рекомендації щодо покращення стабільності енергосистеми. Шляхи подальшого розвитку предмету дослідження – дослідження нових технологій зберігання енергії, оптимізація взаємодії між різними типами відновлюваних джерел енергії, вдосконалення моделей агентного моделювання.Документ Відкритий доступ Рекомендаційна система з використанням інтелектуального аналізу даних для задачі роботи з текстом(КПІ ім. Ігоря Сікорського, 2024) Товкач, Максим Андрійович; Гуськова, Віра ГеннадіївнаДипломна робота: 162 с., 45 рис., 19 табл., 9 джерел, 2 додатки. Об’єкт дослідження – текстові данні, новинні статті, забрані за допомогою парсингу інтернет-джерела. Предмет дослідження – алгоритми та методи, що використовуються для побудови рекомендаційної системи. Мета роботи – побудувати рекомендаційну систему, яка за допомогою використання різноманітних методів та алгоритмів надає користувачу релевантні рекомендації у вигляді текстових даних. Методи дослідження – використання методів інтелектуального аналізу даних та методів обробки природної мови. Актуальність – персоналізація контенту та підвищення користувацького досвіду в умовах інформаційного перенасичення. Результати роботи – зібрано необхідний набір текстових даних та створено програмний продукт у вигляді новинного вебзастосунку, для якого реалізовано чотири методи побудови рекомендацій. Для реалізації даного програмного продукту було використано мови програмування Python та JavaScript, а також мову розмітки HTML та мову стилів CSS. Шляхи подальшого розвитку предмету дослідження – створення єдиного списку рекомендацій шляхом об’єднання розроблених методів. Занесення більшої кількості текстових даних у базу даних. Удосконалення графічного інтерфейсу таким чином, аби певні авторизовані користувачі мали можливість самостійно заносити нові новини у базу даних.Документ Відкритий доступ Розробка комплексу для розрахунку та візуалізації результатів якісного аналізу динаміки складноорганізованих систем(КПІ ім. Ігоря Сікорського, 2024) Каюк, Тарас Дмитрович; Селін, Юрій МиколайовичДипломна робота: 99 с., 6 табл., 55 рис., 7 додатків, 19 джерел. Об’єкт дослідження. Якісний аналіз та візуалізація результатів моделю- вання динаміки складноорганізованих систем, представлених у вигляді системи автономних диференціальних рівнянь. Предмет дослідження. Комплекс програмних засобів для розрахунку та візуалізації результатів якісного аналізу динаміки складноорганізованих систем. Метою наукової роботи є розробка інструменту для розрахунку та візуа- лізації результатів якісного аналізу динаміки складноорганізованих систем, шля- хом практичного застосування отриманого продукту в економічних моделях. Перший розділ аналізує існуюче програмне забезпечення для моделювання динаміки складноорганізованих систем, підкреслюючи обмеження спеціалізова- них пакетів та можливості універсальних і предметно-орієнтованих програм, таких як MATLAB, Simulink тощо. Другий розділ описує методику якісного дослідження математичних моделей складноорганізованих процесів і систем, зосереджуючи увагу на аналізі інваріантів та класифікації особливих точок за до- помогою матриці Якобі. У третьому розділі розглядається економічне засто- сування якісного аналізу динаміки складноорганізованих систем, включаючи моделі Солоу, SIR, а також Розенцвейга-МакАртура. Четвертий підрозділ дета- льно розглядає компоненти системи моделювання, побудованої з використанням JavaScript та Bootstrap, і функції програми, що дозволяють моделювати та візуалізувати динаміку систем у вигляді фазових портретів.Документ Відкритий доступ Система комп'ютерного зору на базі нейронної мережі(КПІ ім. Ігоря Сікорського, 2024) Таран, Дмитро Андрійович; Селін, Юрій МиколайовичДипломна робота: 89 с., 7 табл., 10 рис., 1 додаток, 16 джерел. Системи комп'ютерного зору на базі нейронних мереж стають все більш поширеними в сучасному світі, забезпечуючи широкий спектр застосувань у таких галузях, як медицина, автоматизація виробництва, транспорт та багато інших. Ця бакалаврська робота присвячена розгляду системи комп'ютерного зору на базі нейронної мережі та її застосуванню у сфері штучного інтелекту. У першому розділі роботи проводиться огляд систем комп'ютерного зору. Розглядаються визначення та призначення цих систем, їх історія розвитку, основні складові та приклади застосування в різних сферах життя. Другий розділ присвячений нейронним мережам у системах комп'ютерного зору. Він включає в себе вступ до нейронних мереж, типи мереж, використовуваних у системах комп'ютерного зору, основні принципи їх роботи, а також переваги та недоліки використання таких мереж. У третьому розділі описується розробка конкретної системи комп'ютерного зору на базі нейронної мережі. Розглядаються вибір та підготовка набору даних для навчання, архітектура нейронної мережі, навчання та тестування системи, а також оцінка її ефективності. Дослідження, проведене в цій роботі, підтверджує важливість та перспективність застосування систем комп'ютерного зору на базі нейронних мереж у різних галузях. Результати дослідження можуть бути корисними для фахівців у галузі штучного інтелекту, розробників програмного забезпечення та інженерів, що працюють над удосконаленням систем автоматизації та розпізнавання образів.Документ Відкритий доступ Прогнозування забруднення повітря з використанням аналізу даних(КПІ ім. Ігоря Сікорського, 2024) Лисенко, Владислава Русланівна; Барановська, Леся ВалеріївнаДипломна робота: 104 с., 14 рис., 10 табл., 2 додатки, 12 джерел. У роботі розглянуто поняття прогнозування забруднення повітря за допомогою нейронних мереж, зокрема, гібридної моделі CNN-LSTM. Проаналізовано сутність та значення прогнозування забруднення повітря, архітектуру згорткової нейронної мережі (CNN) та мережі з довготривалою короткостроковою пам'яттю (LSTM), а також їх поєднання для підвищення точності прогнозів. Проведено порівняльний аналіз конкурентних додатків за допомогою UX-досліджень. Об’єктом дослідження стала задача прогнозування рівнів забруднення повітря в реальному часі. Предметом дослідження є гібридна нейронна мережа CNN-LSTM для прогнозування забруднення повітря.Документ Відкритий доступ Теоретико-ігровий підхід в задачі вибору локації(КПІ ім. Ігоря Сікорського, 2024) Ліфтеров, Валентин Олександрович; Барановська, Леся ВалеріївнаДипломна робота: 83 с., 17 рис., 6 табл., 2 додатки, 13 джерел. Об’єкт дослідження – теоретико-ігровий підхід в задачах вибору локації. Формалізації таких задач. Предмет дослідження – практичне використання теоретико-ігрового підходу у вирішенні щоденних викликів різноманітних галузей діяльності людини. Мета роботи – освоїти теоретико-ігровий підхід у задачах з вибору локації та розроробити програмний продукт який вирішує задачу з вибору локації базового рівня. Методи дослідження – аналіз відкритих наукових джерел, дослідження вирішення сучасних проблем вибору локації. Актуальність – вирішення проблем вибору локації у стані високої урбанізованності сучасних міст. Результати роботи – проведено дослідження того як виник теоретико- ігровий підхід в задачу вибору локації та створення програмного продукту який вирішує базову задачу відповідного типу. Шляхи подальшого розвитку предмету дослідження – використання відкритих геоданних для перенесення задачі з уявної площини графів до реальної карти міста чи будь-якої іншої місцевості.Документ Відкритий доступ Дослідження та розробка моделі машинного навчання для автоматичної класифікації космічних об'єктів на основі фотометричних спостережень SDSS(КПІ ім. Ігоря Сікорського, 2024) Долгополова, Катерина Олексіївна; Барановська, Леся ВалеріївнаДипломна робота: 108 с., 12 табл., 29 рис., 3 додатки, 20 джерел. Об’єкт дослідження – фотометричні дані космічних об'єктів в рамках огляду Слоанівського цифрового огляду неба (SDSS). Предмет дослідження – алгоритми машинного навчання, зокрема випадковий ліс, класифікатор додаткових дерев, екстремальне градієнтне підсилювання, методи k-найближчих сусідів та опорних векторів, застосовані до фотометричних даних космічних об'єктів. Мета роботи – провести аналіз та порівняння результатів отриманих моделей для класифікації космічних об'єктів на основі фотометричних спостережень Слоанівського цифрового огляду неба. Методи дослідження – використання алгоритмів машинного навчання та аналізу даних. Актуальність – вирішення задачі класифікації космічних об'єктів на основі фотометричних спостережень Слоанівського цифрового огляду неба. Результати роботи – програмний продукт, на основі алгоритмів машинного навчання для класифікації космічних об'єктів на основі фотометричних спостережень Слоанівського цифрового огляду неба. Шляхи подальшого розвитку предмету дослідження – комбінація різних параметрів для створення кращого набору даних та пошук нової інформації, що може зменшити похибку прогнозування. Створення повноцінного програмного продукту з використанням графічного інтерфейсу для зручного використання програми іншими користувачами.Документ Відкритий доступ Розробка і управління чат-ботами з використанням текстової аналітики(КПІ ім. Ігоря Сікорського, 2024) Дмитрієнко, Нікіта Сергійович; Кузнєцова, Наталія ВолодимирівнаДипломна робота: 99 с., 19 рис., 6 табл., 2 дод., 16 джерел. Об’єкт дослідження – Розробка та впровадження чат-бота для підбору викладачів та студентів. Предмет дослідження – Використання технологій штучного інтелекту, зокрема Rasa NLU та MongoDB, для створення ефективного бота для підбору викладачів та студентів. Мета роботи – Розробити функціонального Telegram бота, який здатен ефективно взаємодіяти з користувачами для підбору викладачів та студентів. Інтегрувати з Rasa NLU для аналізу природної мови користувачів та з MongoDB для зберігання даних. Методи дослідження – Розробка та впровадження Telegram бота з використанням Python Telegram Bot бібліотеки та середовища розробки PyCharm. Налаштування та тренування моделей Rasa NLU для аналізу природної мови користувачів. Інтеграція з MongoDB для зберігання та обробки даних. Актуальність – Використання штучного інтелекту та баз даних дозволяє створювати ботів, які здатні ефективно відповідати на запити користувачів та забезпечувати їм потрібну інформацію. Результати роботи – Створено Telegram бота, який здатний ефективно взаємодіяти з користувачами для підбору викладачів та студентів. Шляхи подальшого розвитку предмету дослідження – Розширення функціональності бота з включенням додаткових можливостей для користувачів.Подальше навчання моделей Rasa на більшому обсязі даних для покращення точності розпізнавання намірів та сутностей.Документ Відкритий доступ Рекомендаційна система аніме на основі списків уподобань з використанням нейромереж(КПІ ім. Ігоря Сікорського, 2024) Вершинін, Андрій Андрійович; Мілявський, Юрій ЛеонідовичДипломна робота: 91 с., 6 табл., 18 рис., 2 дод., 13 джерел Мета роботи - створенні рекомендаційної системи для вибору аніме. Об'єкт дослідження – рекомендаційні системи товарів. Предмет дослідження - методи та алгоритми формування рекомендацій. У роботі проаналізовано методи формування рекомендацій, проведений огляд існуючих рекомендаційних систем. Результатом є розроблений алгоритм формування рекомендацій на основі моделі з використанням нейронних мереж і колаборативної фільтрації. Практичною реалізацією є рекомендаційна система для користувачів сайтів з перегляду аніме, подібних до hianime та animego. Результати даної роботи рекомендовано використовувати у випадках коли необхідно сформувати рекомендацію аніме у вигляді списку товарів. Шляхи подальшого розвитку предмету дослідження – можливе додавання додаткових рівнів на основі інших розглянутих алгоритмів та перетвореня моделі на дворівневу та спосіб оцінки якості моделі шляхом отримання відгуків реальних користувачів.