Бакалаврські роботи (ШІ)
Постійне посилання зібрання
У зібранні розміщено бакалаврські проекти (роботи) на здобуття ступеня бакалавра.
Переглянути
Нові надходження
Документ Відкритий доступ Розробка інформаційної системи класифікації текстових відгуків із використанням методів машинного навчання(КПІ ім. Ігоря Сікорського, 2026) Ленишин, Максим Володимирович; Гаврилович, Марія ПавлівнаДипломна робота: 55 с., 17 рис., 12 табл., 25 посилань, додатки. Об’єктом дослідження є процес автоматичної класифікації неструктурованих текстових відгуків користувачів. Предметом дослідження є методи та алгоритми машинного навчання для семантичного аналізу, векторизації та класифікації текстових даних, що забезпечують високу точність обробки відгуків. Метою роботи є розробка та впровадження інформаційної системи класифікації відгуків, здатної ефективно сортувати текстові дані за категоріями з використанням ансамблевого навчання. У ході роботи здійснено підготовку та очищення датасету текстових відгуків, що включає етапи токенізації, лематизації та перетворення текстів у векторний формат. Для підвищення точності класифікації спроєктовано та навчено ансамблеву модель, що дозволяє мінімізувати помилки при розпізнаванні різних типів відгуків. Оцінка за метриками Precision, Recall та F1-score підтвердила високу стійкість та ефективність системи. Реалізований програмний прототип має інтерфейс користувача та може бути інтегрований у бізнес-системи для аналізу зворотного зв’язку від клієнтів. Проведено функціонально-вартісний аналіз, який підтвердив техніко-економічну доцільність розробки та її конкурентоспроможність на ринку програмних продуктів.Документ Відкритий доступ Система підтримки прийняття інвестиційних рішень на основі аналізу ринку деривативів засобами штучного інтелекту(КПІ ім. Ігоря Сікорського, 2026) Яровіков, Вячеслав Артемович; Купенко, Ольга ПетрівнаДипломна робота: 106 с., 13 рис., 2 табл., 65 посилань, додаток. Об’єктом дослідження є процес прийняття інвестиційних рішень на ринку похідних фінансових інструментів. Предметом дослідження є методи та програмні засоби аналізу даних ринку деривативів для формування візуально-аналітичної підтримки інвестиційних рішень. Метою роботи є розроблення та дослідження системи підтримки прийняття інвестиційних рішень на основі аналізу ринку деривативів із використанням методів штучного інтелекту. У роботі використано методи фінансового моделювання (модель Блека–Шоулза, метод Брідена–Літценбергера), статистичного аналізу часових рядів, машинного навчання (XGBoost, LSTM, Transformer) та бектестингу торгових стратегій. Проаналізовано існуючі підходи до підтримки інвестиційних рішень на ринку деривативів. Розроблено математичне та програмне забезпечення системи, що забезпечує аналіз опціонних і ф’ючерсних даних, побудову Forward Map та візуалізацію ринкових очікувань. Реалізовано вебзастосунок для інтерактивної роботи з ринковими даними та проведено експериментальне дослідження на реальних даних BTC та ETH біржі Deribit. Результати дослідження підтвердили доцільність використання системи як інструмента підтримки прийняття інвестиційних рішень. Наукова новизна полягає у поєднанні методів аналізу ринку деривативів і моделей машинного навчання в межах єдиної інформаційної інфраструктури. Практична цінність роботи полягає у можливості використання розробленої системи приватними інвесторами та аналітичними групами для оцінювання ринкових очікувань і підтримки процесу прийняття інвестиційних рішень.Документ Відкритий доступ Автоматичне виявлення та корекція помилок веб-доступності методами штучного інтелекту(КПІ ім. Ігоря Сікорського, 2026) Шевкунова, Валерія Вікторівна; Шаповал, Наталія ВіталіївнаДипломна робота: 53 с., 12 рис., 3 табл., 29 посилань. Об’єктом дослідження є процес автоматизованого виявлення та усунення бар'єрів веб-доступності (згідно зі стандартами WCAG) у вихідному коді користувацьких інтерфейсів. Предметом дослідження є методи та моделі штучного інтелекту (зокрема, мовні моделі для коду) для семантичного аналізу та рефакторингу HTMLрозмітки. Метою роботи є підвищення ефективності та швидкості адаптації вебінтерфейсів до стандартів WCAG шляхом розробки підходу до автоматичного виправлення семантичних помилок у HTML-коді на основі донавчання моделі CodeT5. У роботі розглянуто сучасні міжнародні стандарти веб-доступності (WCAG) та проаналізовано обмеження існуючих інструментів автоматизованого аудиту. Встановлено, що традиційні підходи мають обмежену здатність до врахування семантичного контексту веб-інтерфейсів, що ускладнює виявлення складних порушень доступності. На основі проведеного аналізу запропоновано підхід до автоматичного виправлення порушень веб-доступності з використанням моделі CodeT5. Виконано збір, очищення та попередню обробку набору даних обсягом 400 000 прикладів, сформованого у вигляді пар «дефектний HTML-код – виправлений HTMLкод». Для адаптації моделі до специфіки вимог WCAG застосовано методи навчання за інструкціями та донавчання. Додатково реалізовано конвеєр автоматичної валідації згенерованого коду. У результаті виконано донавчання моделі CodeT5. Проведене експериментальне дослідження показало, що донавчена модель забезпечує вищу точність класифікації та виправлення дефектів доступності порівняно з базовими підходами.Документ Відкритий доступ Система підтримки прийняття рішень для прогнозування часових рядів(КПІ ім. Ігоря Сікорського, 2026) Чорний, Іван Станіславович; Коваленко, Анатолій ЄпіфановичОбсяг пояснювальної записки складає 51 стор., містить 14 таблиць, 6 рисунків, 20 посилань, додаток. Об'єкт дослідження – процеси формування та зміни цін фінансових активів фондового ринку, поданих у вигляді часових рядів. Предмет дослідження – методи й моделі прогнозування фінансових часових рядів (SARIMA, XGBoost, LSTM) та принципи їх інтеграції в єдину систему підтримки прийняття рішень. Мета роботи полягає у створенні та експериментальному порівнянні системи підтримки прийняття рішень, що поєднує три методологічно відмінні підходи до прогнозування й автоматично формує обґрунтовані торгові рекомендації. Методи дослідження. У роботі застосовано аналіз часових рядів, перевірку стаціонарності за критерієм Діккі-Фуллера, сезонну декомпозицію, інженерію ознак на базі технічних індикаторів, градієнтний бустинг дерев рішень, рекурентні нейронні мережі вентильної архітектури, а також порівняння моделей за похибковими метриками та тестом Діболда-Маріано. Отримані результати. Реалізовано три прогностичні моделі мовою Python. На відкладеній тестовій вибірці тривалістю 291 торговий день найкращі показники продемонструвала рекурентна мережа LSTM: середня абсолютна похибка 6,87 USD, корінь середньоквадратичної похибки 9,56 USD, середня відсоткова похибка 4,78 %, коефіцієнт детермінації 0,941. Розроблений модуль формує рекомендації трьох типів – «купувати», «утримувати» та «продавати» – з кількісною оцінкою рівня впевненості. Рекомендації щодо використання. Створену систему доцільно застосовувати приватним інвесторам, фінансовим аналітикам і науковцям для самостійного аналізу ліквідних інструментів фондового ринку. Програмне забезпечення є відкритим, відтворюваним і легко переноситься на будь-який актив із доступними котируваннями.Документ Відкритий доступ Виявлення ШІ-згенерованого мовлення з урахуванням дрейфу домену за допомогою KAN-адаптера(КПІ ім. Ігоря Сікорського, 2026) Тимощук, Владислав Олександрович; Шаповал, Наталія ВіталіївнаДипломна робота: 64 с., 5 рис., 6 табл., 17 посилань, додаток. Об’єктом дослідження є процес автоматичного виявлення ШІ-згенерованого мовлення в умовах доменного дрейфу. Предметом дослідження є метод виявлення підробленого мовлення на основі замороженої WavLM Base+ та адаптаційного модуля після енкодера. Метою роботи є розроблення та перевірка параметрично ефективного методу виявлення ШІ-згенерованого мовлення з KAN-подібним адаптаційним модулем. У роботі проаналізовано сучасні підходи до виявлення підробленого мовлення, проблему доменного дрейфу та параметрично ефективне донавчання мовленнєвих моделей. Розроблено детектор на основі замороженої WavLM Base+, у якому навчаються лише адаптаційний модуль після енкодера та лінійний класифікатор. Коректність порівняння забезпечено однаковим протоколом даних, правилом вибору контрольної точки та близьким параметричним бюджетом для MLP- і KAN-подібного адаптерів. Експериментальне оцінювання виконано на датасеті ASVspoof 2019 LA dev, ASVspoof 2021 LA та In-the-Wild. MLP- і KAN-подібний адаптери суттєво покращили якість порівняно з варіантом без адаптації. KAN-подібний адаптер отримав найкраще середнє значення EER на ASVspoof 2021 LA, однак на In-the-Wild його перевага над MLP не є однозначною. Отже, запропонований адаптер є перспективним у дослідженому протоколі.Документ Відкритий доступ Порівняльний аналіз класичних, гібридних варіаційних та квантових моделей машинного навчання на основі ядра для багатокласової класифікації(КПІ ім. Ігоря Сікорського, 2026) Сбітнєв, Михайло Павлович; Гаврилович, Марія ПавлівнаДипломна робота: 75 с., 32 рис., 12 табл., 28 посиланнь, додаток. Об’єктом дослідження є набір даних Iris для задачі багатокласової класифікації. Предметом дослідження є класичні, гібридні варіаційні квантові та квантові ядерні моделі машинного навчання. Метою роботи є порівняння класичних, гібридних варіаційних квантових та квантових ядерних класифікаторів за точністю, ефективністю та практичною застосовністю. У роботі використано методи машинного навчання, квантового машинного навчання, стратифікованої 5-кратної крос-валідації, статистичного аналізу та аналізу виразності квантових схем. Розроблено програмний продукт мовою Python, який реалізує 8 моделей класифікації: Classical-Only NN, BasicRotation, BasicEntangler, StronglyEntangled, Classical RBF-SVM, ZZFeatureMap Kernel, IQP-style Kernel та Amplitude Embed Kernel. Проведено експериментальне порівняння моделей із використанням бібліотек PennyLane, PyTorch та scikit-learn. Встановлено, що квантові та гібридні підходи є перспективними для задач ядрової класифікації, однак їхня ефективність залежить від вибору схеми кодування даних, типу ядра та розміру вибірки. Отримані результати можуть бути використані для подальших досліджень квантового машинного навчання, тестування моделей на складніших наборах даних, реальних квантових процесорах та в умовах квантового шуму.Документ Відкритий доступ Порівняльний аналіз автоенкодерних моделей для класифікації розладу аутистичного спектру за матрицями функціональної зв'язності rs-fMRI(КПІ ім. Ігоря Сікорського, 2026) Руденко, Юрій Вадимович; Литвиненко, Володимир ІвановичДипломна робота: 89 с., 28 рис., 12 табл., 43 джерела, 1 додаток. Об’єктом дослідження є автоматизована класифікація розладу аутистичного спектру за даними функціональної МРТ у стані спокою. Предметом дослідження є архітектури автоенкодерів (розріджений, варіаційний та варіаційний з увагою), методи їх навчання й гармонізації даних і засоби пояснюваного штучного інтелекту для інтерпретації рішень за матрицями функціональної зв’язності. Метою роботи є порівняльний аналіз архітектур автоенкодерів для класифікації розладу аутистичного спектру за даними функціональної МРТ і визначення впливу компонентів конвеєра на якість класифікації. У роботі оглянуто предметну область і підходи машинного навчання до аналізу функціональної МРТ та проаналізовано математичні основи розрідженого, варіаційного й оснащеного увагою автоенкодерів. Мовою Python реалізовано повний конвеєр класифікації за матрицями функціональної зв’язності датасету ABIDE I (871 суб’єкт, атлас CC200, 19 900 ознак) зі строгим протоколом без витоку інформації. Порівняно три глибокі архітектури, їх ансамбль і логістичну регресію, проведено абляційне дослідження, статистичну перевірку й аналіз пояснюваності засобами SHAP. Встановлено, що нелінійні автоенкодери не перевершують логістичну регресію (найкраща площа під ROCкривою близько 0,75), а відмінності між архітектурами статистично незначущі; обмежувальний чинник якості – сигнал у даних, а не складність моделі.Документ Відкритий доступ Прогнозування волатильності фінансових активів за допомогою нейронних мереж(КПІ ім. Ігоря Сікорського, 2026) Поліщук, Микола Сергійович; Кот, Анатолій ТарасовичДипломна робота: 92 с., 28 рис., 6 табл., 45 посилань, 3 додатки. Актуальність роботи зумовлена роллю прогнозу волатильності у ризик-менеджменті й ціноутворенні деривативів та потребою систематично порівняти нейромережеві методи з класичними. Об'єктом дослідження є процес прогнозування реалізованої волатильності фінансових активів на горизонтах 1–5 торгових днів. Предметом дослідження є класичні (HAR-RV, GARCH(1,1)) та нейромережеві (LSTM, GRU, Transformer, attention-based forecaster) моделі прогнозування реалізованої волатильності. Метою роботи є систематичне порівняння цих підходів на єдиній методологічній основі за метриками MSE, MAE, QLIKE з перевіркою значущості тестом Дібольда–Маріано. Викладено математичний апарат шести моделей; розроблено відтворюваний пайплайн на Python (arch, scikit-learn, PyTorch, Optuna); виконано порівняння на Oxford-Man Realized Library з валідацією на VOLARE та Polygon.io. Встановлено, що оптимальна модель залежить від горизонту прогнозу, а найкращий середній QLIKE дає attention-based forecaster. За результатами надано рекомендації щодо вибору моделі залежно від горизонту; розроблений пайплайн придатний для застосування в системах ризик-менеджменту, апробацію проведено на базі практики BrightOne Capital.Документ Відкритий доступ Інтелектуальна система колоризації манги з використанням методів машинного навчання та компʼютерного зору(КПІ ім. Ігоря Сікорського, 2026) Пелехань, Єва Сергіївна; Коломоєць, Сергій ОлексійовичПояснювальна записка до бакалаврської роботи: 65 с., 12 рис., 1 табл., 21 джерелоо, 1 додаток. Обʼєкт дослідження - процес автоматизованої колоризації чорно-білих сторінок манги з використанням зовнішнього кольорового референсу. Предмет дослідження - методи та алгоритми компʼютерного зору та глибокого навчання для вирішення задачі семантично узгодженої колоризації графічних наративів. Мета роботи - підвищення якості автоматизованої колоризації манги шляхом розробки інтелектуальної системи, що забезпечує семантичну узгодженість кольорів персонажів між різними сторінками на основі аналізу кольорового референсного зображення. У роботі проведено аналіз предметної області та огляд існуючих методів колоризації зображень. Розроблено архітектуру системи та алгоритмічне забезпечення, що включає: модуль попередньої обробки лайнарту, підсистему семантичної сегментації персонажів на базі Mask RCNN, модуль ідентифікації та зіставлення персонажів на основі SIFTдескрипторів з валідацією через RANSAC та Угорський алгоритм глобальної оптимізації, нейромережевий генератор кольору на базі GAN-архітектури, а також модуль фінальної композиції з синтезом затінення. Розроблено програмний продукт мовою програмування Python із вебінтерфейсом на основі фреймворку Flask. Проведено експериментальну оцінку якості колоризації на трьох тестових сторінках манги за метриками SSIM, ΔE CIEDE2000 та кореляцією гістограм HSV.Документ Відкритий доступ Методи штучного інтелекту для вибору лідера в колективі дронів(КПІ ім. Ігоря Сікорського, 2026) Панько, Денис Сергійович; Тимошенко, Юрій ОлександровичДипломна робота: 70 с., 4 рис., 7 табл., 13 посилань, Об’єктом дослідження є колективи однорідних автономних агентів (безпілотних літальних апаратів) як складні цілеспрямовані робототехнічні системи. Предметом дослідження є алгоритми та протоколи децентралізованого голосування, моделювання топології колективів роботів, та методи машинного навчання для забезпечення безперервної координації. Метою роботи є розробка та дослідження масштабованого, відмовостійкого алгоритму вибору лідера для великих мультиагентних роїв БПЛА (до 500 одиниць) з використанням методів штучного інтелекту. У дипломній роботі проаналізовано класичні архітектури координації роїв дронів та виявлено фундаментальну проблему комунікаційного колапсу, що виникає у плоских протоколах консенсусу (типу RAFT) при масштабуванні понад 100 вузлів. Запропоновано алгоритм адаптивного визначення лідерського потенціалу дронів, який інтегрує методи глибокого навчання з підкріпленням (DRL) для динамічного оптимізування вагових коефіцієнтів придатності. Виконано програмну реалізацію розробленого методу та проведено серію імітаційних експериментів за методом МонтеКарло (10 000 ітерацій) зі стохастичним генеруванням відмов за законом Пуассона. Встановлено, що впровадження інтелектуального методу дозволяє скоротити середній час відновлення системи управління.Документ Відкритий доступ Усунення геометричних спотворень в задачах ідентифікації обʼєктів в БПЛА(КПІ ім. Ігоря Сікорського, 2026) Палашевський, Ілля Тарасович; Кот, Анатолій ТарасовичАктуальність роботи зумовлена широким використанням безпілотних літальних апаратів для моніторингу місцевості, інфраструктури та об'єктів, а також чутливістю алгоритмів комп'ютерного зору до геометричних спотворень аерознімків. Об'єктом дослідження є процес автоматичної обробки цифрових зображень, отриманих з БПЛА. Предметом дослідження є методи усунення геометричних спотворень зображень, зокрема параметрична модель дисторсії, проєктивне перетворення та нейромережеве оцінювання параметрів корекції. Метою роботи є розроблення та експериментальне дослідження програмного pipeline для геометричної корекції аерознімків як підготовчого етапу задач ідентифікації об'єктів. У роботі проаналізовано особливості БПЛА-зйомки, типи геометричних спотворень і готові інструменти корекції; описано математичну модель камери, радіальної і тангенціальної дисторсії та гомографії; реалізовано систему на Python з використанням OpenCV і PyTorch; виконано порівняння режимів No correction, Classical Oracle та DLмоделей ResNet-18, MobileNetV3-Small і EfficientNet-B0.Документ Відкритий доступ Порівняльний аналіз розподілених файлових систем з використанням інтелектуальних методів(КПІ ім. Ігоря Сікорського, 2026) Олійник, Владислав Дмитрович; Коваленко, Анатолій ЄпіфановичДипломна робота: 176 с., 43 рис., 2 табл., 28 посилань, 4 додатки. Об’єкт дослідження – процес функціонування розподілених файлових систем в умовах різних режимів навантаження. Предмет дослідження – методи порівняльного аналізу продуктивності HDFS та GlusterFS із використанням експериментальних метрик і моделей машинного навчання. Мета роботи – дослідити та порівняти продуктивність розподілених файлових систем HDFS і GlusterFS, розробити експериментальне середовище для їх тестування, зібрати метрики виконання файлових операцій та застосувати інтелектуальні методи для аналізу отриманих результатів. Результат роботи – розроблено експериментальне середовище у Docker для тестування HDFS та GlusterFS. Проведено benchmark-тестування операцій читання і запису в режимах low, medium та high. Зібрано експериментальні метрики часу виконання, пропускної здатності, використання CPU, пам’яті, мережевого та дискового вводу-виводу. На основі отриманих даних виконано порівняльний аналіз HDFS і GlusterFS, а також застосовано моделі Random Forest, MLP та Isolation Forest для прогнозування часу виконання операцій, класифікації режимів навантаження і виявлення аномальних операцій. За результатами дослідження встановлено, що в умовах локального Dockerсередовища GlusterFS показала кращу продуктивність для коротких файлових операцій, тоді як моделі Random Forest продемонстрували найбільш стабільні результати інтелектуального аналізу.Документ Відкритий доступ Інтелектуальна система детекцiї пташок за акустичними ознаками їх спiву на основi глибоких нейронних мереж(КПІ ім. Ігоря Сікорського, 2026) Овчарук, Максим Віталійович; Сидорський, Володимир СергійовичДипломна робота: 56 с., 11 рис., 7 табл., 20 посилань. Об’єкт дослідження – процес автоматичного розпізнавання пташиних вокалізацій у польових аудіозаписах звукового ландшафту. Предмет дослідження – методи обробки акустичних сигналів і архітектури глибокого навчання для детекції й класифікації видів птахів за акустичними ознаками. Птахи слугують одним із найінформативніших ранніх індикаторів стану екосистем, а пасивний акустичний моніторинг дозволяє автономно накопичувати тисячі годин польових аудіозаписів, ручний аналіз яких є нереалістичним. Ключовою складністю є доменний зсув: моделі навчаються на коротких фокусних записах окремих птахів, тоді як оцінюються на багатогодинних польових записах із перекриттям голосів, шумом і слабкою розміткою; додаткові виклики – дисбаланс класів і жорсткі обчислювальні обмеження інференсу. Мета роботи – розробка конфігураційно-керованої системи детекції пташиних вокалізацій, у якій адаптація до нового регіону і видового складу досягається зміною конфігурації, а не переписуванням коду. У роботі реалізовано інтелектуальну систему на основі SED-архітектури (Sound Event Detection) зі змінним згортковим backbone (EfficientNet-B1 та ConvNeXt-Base з претренуванням на біоакустичних даних BirdSet), melспектрограмним представленням сигналу, attention-пулінгом по часовій осі та функцією втрат Focal Loss. Доменний зсув адресовано псевдо-розміткою польових записів за ланцюгом версій моделі та ансамблюванням архітектурно різних backbone. Проведено абляційне дослідження компонентів, у якому як позитивні, так і негативні результати зафіксовано як валідні висновки. Результат – перевірка на даних BirdCLEF-2026 (234 види) показала, що зважений ансамбль моделей досягає конкурентної якості (0,9029 на публічній і 0,9230 на приватній частині рейтингу) у межах 90-хвилинного ліміту інференсу на CPU; доменний зсув кількісно виміряно як основне джерело втрати якості, а систему спроєктовано відтворюваною і розширюваною.Документ Відкритий доступ Програмний модуль безконтактного оцінювання сатурації крові (SpO₂) людини з відеопотоку(КПІ ім. Ігоря Сікорського, 2026) Маяцька, Софія Сергіївна; Тимошенко, Юрій ОлександровичОб'єкт дослідження – процес оптичного вимірювання сатурації крові киснем методом дистанційної фотоплетизмографії з використанням RGBвідеокамери. Предмет дослідження – алгоритми обробки відеосигналу, методи колірної трансформації та калібрувальні моделі для безконтактного визначення SpO2 в умовах нестабільного побутового освітлення. Мета роботи – розробка і програмна реалізація модуля безконтактного вимірювання SpO2, що інтегрується у існуючу систему rPPG-моніторингу, забезпечує клінічно прийнятну точність вимірювань у нормоксичному діапазоні та адекватну реакцію алгоритму на потенційне зниження рівня кисню в крові. Наукова новизна полягає в адаптації методу Ratio-of-Ratios для умов побутової RGB-камери з використанням хроматичного простору YCgCr як механізму підвищення стійкості до освітлення, поєднаній з методом синтетичної аугментації на основі фізичного моделювання поглинання для забезпечення коректної калібрувальної кривої у патологічному діапазоні SpO2. Практичне значення розробки полягає у можливості використання системи для безконтактного моніторингу SpO2 в умовах домашнього і офісного середовища без спеціалізованого обладнання – достатньою є наявність стандартної веб-камери і персонального комп'ютера. Відкрита реалізація мовою Python дозволяє адаптувати і розширювати систему для конкретних прикладних задач телемедицини та превентивного моніторингу здоров'я.Документ Відкритий доступ Методи підвищення автономності безпілотних літальних апаратів літакового типу з використанням штучного інтелекту в умовах дії радіоелектронної боротьби(КПІ ім. Ігоря Сікорського, 2026) Маценко, Естер Дмитрівна; Осауленко, В’ячеслав МиколайовичАктуальність роботи зумовлена зростанням ролі безпілотних літальних апаратів у цивільних та військових сферах, а також необхідністю забезпечення їхньої автономної навігації в умовах втрати або навмисного пригнічення сигналів супутникових навігаційних систем засобами радіоелектронної боротьби. Об'єктом дослідження є процес автономної навігації безпілотних літальних апаратів літакового типу в умовах обмеженої або відсутньої GNSS навігації. Предметом дослідження є методи підвищення автономності БПЛА на основі алгоритмів комп'ютерного зору, візуальної одометрії, інерціальної навігації та повторної локалізації. Метою роботи є розроблення та експериментальне дослідження програмної системи автономної навігації безпілотного літального апарата в умовах дії засобів радіоелектронної боротьби. У роботі проаналізовано підходи до забезпечення автономності БПЛА в умовах втрати GNSS-сигналу; досліджено алгоритми ORB, AKAZE, BRISK і SIFT для задач візуальної навігації; розроблено програмну систему мовою Python з використанням OpenCV; реалізовано модулі Visual Odometry, IMUнавігації та Relocalization; проведено експериментальне оцінювання точності позиціонування БПЛА в умовах GPS-jamming.Документ Відкритий доступ Моделі автоматичного узагальнення текстів із використанням нейронних мереж(КПІ ім. Ігоря Сікорського, 2026) Чебукіна, Поліна Миколаївна; Гуськова, Віра ГеннадіївнаДипломна робота: 98 с., 19 рис., 30 табл., 25 джерел. Об’єкт дослідження – процес автоматичного узагальнення текстової інформації засобами обробки природної мови. Предмет дослідження – методи, алгоритми та програмні засоби вилучення ключових речень і нейромережевого формування стислого викладу тексту. Метою роботи є розробка моделі автоматичного узагальнення текстів з використанням нейронних мереж, яка забезпечує попередню обробку тексту, відбір ключових речень і формування стислого викладу зі збереженням головного змісту початкового матеріалу. В роботі проаналізовано проблему опрацювання великих обсягів текстової інформації, сфери застосування автоматичного узагальнення, наявні онлайн-сервіси, бібліотеки та програмні інструменти для скорочення текстів. Результати роботи – підготовлено набір текстових матеріалів для тестування, реалізовано модуль попередньої обробки тексту. Створено програмну систему з графічним інтерфейсом, яка дає змогу завантажувати текст, виконувати його попередню обробку, формувати екстрактивний виклад, отримувати нейромережевий стислий результат, переглядати кількісні показники та зберігати результати роботи. Напрями подальшого розвитку – розширення набору тестових текстів, підключення кількох нейромережевих моделей, додавання метрик ROUGE та BLEU, підтримка форматів PDF і DOCX, збереження історії запусків та поглиблений аналіз якості сформованого стислого викладу.Документ Відкритий доступ Методи побудови LLM-асистента для консультацій щодо оподаткування малого бізнесу в Україні з використанням RAG(КПІ ім. Ігоря Сікорського, 2026) Кузнецов, Данило Денисович; Кот, Анатолій ТарасовичОб'єктом дослідження є процес автоматизованого консультування малого бізнесу щодо оподаткування засобами LLM-асистента на основі RAG. Предметом дослідження є методи побудови та оцінювання RAGасистента для україномовного податкового домену. Метою роботи є дослідження методів побудови та реалізація LLMасистента для податкових консультацій в Україні з обов'язковим цитуванням першоджерел. Методами дослідження є аналіз джерел, формалізація математичних моделей компонентів системи, порівняльне тестування пошуку й генерації та експериментальне оцінювання якості. У роботі проаналізовано предметну область, описано математичні основи та обґрунтовано архітектуру, реалізовано застосунок, що збирає базу податкових роз'яснень, виконує семантичний пошук і генерує відповіді з посиланням на джерела. Експерименти підтвердили високу якість пошуку, достовірність відповідей і перевагу над мовною моделлю без пошуку. Практична цінність роботи полягає у створенні відкритого програмного прототипу, що надає малому бізнесу безкоштовний доступ до достовірних податкових консультацій і може бути адаптований до інших україномовних доменів.Документ Відкритий доступ Чат-бот клієнтської підтримки банку(КПІ ім. Ігоря Сікорського, 2026) Іллюшина, Надія Сергіївна; Чумаченко, Олена ІллівнаДипломна робота: 65 с., 3 рис., 4 табл., 37 посилань, без додатків. Об’єктом дослідження є процеси автоматизації інтелектуальноїклієнтської підтримки у фінансовому секторі. Предметом дослідження є методи побудови архітектурRetrieval-Augmented Generation з використанням моделей ембедингів та векторнихбаззнань.Метою роботи є проєктування та програмна реалізація інтелектуальноїдіалогової системи для підтримки клієнтів фінансової установи, якабазуєтьсяна архітектурі RAG та поєднує гнучкість мовних моделейіз фактологічноюточністю банківських регламентів. У дипломній роботі розглянуто генеративний штучнийінтелектякінструмент покращення банківського сервісу. Встановлено, щодляуникненняризику «галюцинацій» та забезпечення абсолютної точності відповідейкритично необхідним є впровадження гібридної архітектури RAG. Роботу формалізовано як задачу оптимального вилученняконтекстутагенерації тексту для табличних даних. Оскільки стандартнийпарсингєнеефективним, основну увагу приділено семантичному чанкінгуздинамічнимзбагаченням метаданими. Проаналізовано конвеєр на базі LangChain,ChromaDB та Gemini 2.5 Flash. Результати підтверджують, щоефективнасистема має поєднувати якісний пошук у таблицях, строгі обмеженнягенераціїта алгоритм маршрутизації на живого оператора. Практична цінність роботи полягає у можливості використаннярозробленого підходу для автоматизації понад 80%рутиннихдовідковихзапитів клієнтів та зниження навантаження на персонал.Документ Відкритий доступ Генерація голосу з тексту за допомогою методів штучного інтелекту(КПІ ім. Ігоря Сікорського, 2026) Журавель, Аліна Олександрівна; Кот, Анатолій ТарасовичДипломна робота: 89 стор., 14 рис., 19 табл., 50 джерел. Об’єктом дослідження є процеси генерації природного мовлення з текстової інформації за допомогою методів штучного інтелекту. Предметом дослідження є сучасні архітектури та методи Text-toSpeech синтезу на основі глибинного навчання, включаючи Tacotron, WaveNet та FastSpeech. Мета роботи полягає в дослідженні, реалізації та порівнянні сучасних методів генерації мовлення з тексту, оцінці якості та природності синтезованого голосу, а також демонстрації можливостей використання у прикладних завданнях. Основні результати дослідження: проведено огляд сучасних архітектур TTS-систем, реалізовано прототип системи синтезу мовлення на базі неавторегресійної архітектури FastPitch у зв’язці з високошвидкісним вокодером HiFi-GAN, проведено експериментальну оцінку якості згенерованого голосу за метриками MOS та природності звучання. Система демонструє високу обчислювальну ефективність, забезпечуючи паралельний інференс із коефіцієнтом реального часу 𝑅𝑇𝐹 = 0.0528 (генерація у близько 19 разів швидша за швидкість відтворення) при стабільній структурі фраз, низькому рівні помилок 𝑊𝐸𝑅 = 6.67% та готова до інтеграції в практичні додатки. Напрями подальших досліджень включають удосконалення якості синтезу для української мови, впровадження механізмів контролю емоційного забарвлення голосу, інтеграцію з системами розпізнавання мовлення для створення повноцінних голосових асистентів, а також оптимізацію моделей для роботи на мобільних пристроях.Документ Відкритий доступ Система виявлення ризикових товарних позицій із використанням методів машинного навчання та пояснювального штучного інтелекту(КПІ ім. Ігоря Сікорського, 2026) Дука, Катерина Богданівна; Шаповал, Наталія ВіталіївнаДипломна робота: 56 с., 15 рис., 8 табл., 40 посилань, 4 додатки. Об’єктом дослідження є процес повернення автозапчастин та ризикові товарні позиції підприємства. Предметом дослідження є методи машинного навчання, explainable AI та BI-аналітики для аналізу повернень автозапчастин і прогнозування рівня ризику товарних позицій. Метою роботи є розробка системи автоматизованого аналізу повернень автозапчастин та виявлення ризикових товарних позицій із використанням методів машинного навчання та explainable AI. У роботі сформовано та підготовлено набір даних на основі реальної інформації про продажі та повернення автозапчастин. Реалізовано та протестовано декілька моделей машинного навчання для аналізу табличних даних. Основною моделлю обрано CatBoost, яка продемонструвала найкращі результати класифікації та ефективну роботу з категоріальними ознаками. Додатково протестовано transformer-підхід TabPFN для аналізу обмежених вибірок даних. Для підвищення прозорості прогнозів використано explainable AI підходи SHAP та LIME. Практичним результатом роботи стала розробка системи аналізу ризикових товарних позицій та інтерактивного дашборду у Power BI для візуалізації результатів аналізу, прогнозованих зон ризику та факторів впливу на прогноз моделі. Рекомендації щодо використання – розроблена система може використовуватись для автоматизації аналізу повернень автозапчастин, виявлення проблемних товарних позицій та підтримки процесів управління товарними запасами.