Електронний архів наукових та освітніх матеріалів КПІ ім. Ігоря Сікорського

ELAKPI – інституційний репозитарій, що накопичує, зберігає, розповсюджує та забезпечує довготривалий, постійний та надійний доступ через Інтернет до наукових та освітніх матеріалів професорсько-викладацького складу, співробітників, студентів, аспірантів та докторантів КПІ ім. Ігоря Сікорського. За посиланням можна ознайомитися з положенням про ELAKPI.

Доступ до матеріалів ELAKPI

Доступ до повних текстів матеріалів ELAKPI вільний в мережі Інтернет, крім:

  • частини матеріалів з зібрань факультетів/кафедр, завантажених до 2016 року, доступ до яких надається в локальній мережі університету, що вказано в описі матеріалу;
  • звітів про НДР – доступ з комп’ютерів у залі № 6.6 НТБ;
  • дисертацій та авторефератів, завантажених до 2016 року, які доступні тільки для перегляду з комп’ютерів у залі № 6.6 НТБ.

Щоб отримати права на перегляд/скачування повних текстів ресурсів, доступних тільки в локальній мережі університету, зареєстровані користувачі Бібліотеки КПІ ім. Ігоря Сікорського можуть скористатися послугою Віддалений доступ до "локальних" ресурсів.

Розміщення матеріалів в ELAKPI
Контакти

Бібліотека КПІ ім. Ігоря Сікорського, зал № 4.4, тел. +38 (044) 204-96-72, elakpi@library.kpi.ua, elakpi.ntb@gmail.com

 

Фонди

Виберіть фонд, щоб переглянути його зібрання.

Зараз показуємо 1 - 38 з 38

Нові надходження

Ескіз недоступний
ДокументВідкритий доступ
Моделі поведінкової аналітики і машинного навчання для конструювання ознак і прогнозування конверсії користувачів мобільного застосунку
(КПІ ім. Ігоря Сікорського, 2026) Гаврилюк, Богдана Олександрівна; Недашківська, Надія Іванівна
Дипломна робота: 230 c., 24 рис., 16 табл., 4 дод., 35 дж. Предмет дослідження — методи конструювання ознак, алгоритми обробки великих даних та ансамблеві моделі машинного навчання для задач бінарної класифікації поведінкових даних. Об’єкт дослідження — процес конверсії користувачів мобільних додатків та їхні поведінкові патерни. Мета дослідження. — підвищення ефективності залучення та монетизації користувачів мобільного застосунку шляхом розробки системи прогнозування їхньої конверсії у платну підписку після завершення тестового періоду. Використані моделі — XGBoost, LightGBM, CatBoost. Актуальність роботи зумовлена потребою проактивного оцінювання якості трафіку в перші години використання додатка, що дозволяє оптимізувати рекламні бюджети в реальному часі, не очікуючи завершення тестового періоду користувачів. Отриманні результати — побудована модель предиктивної аналітики, що може прогнозувати ймовірність конверсії користувачів мобільного застосунку на ранніх етапах з прийнятною швидкістю та точністю. В рамках подальшого дослідження пропонується налаштувати автоматичну передачу прогнозних сигналів у маркетингові платформи через Conversions API, що прискорить навчання рекламних ML-алгоритмів і забезпечить мікрооптимізацію таргетингу на аудиторію з найвищою ймовірністю конверсії.
Ескіз недоступний
ДокументВідкритий доступ
Система автоматизованої мультимодальної класифікації рекламних креативів на основі аналізу зображень та відео
(КПІ ім. Ігоря Сікорського, 2026) Парненко, Ілля Олексійович; Недашківська, Надія Іванівна
Дипломна робота складається зі 115 сторінок, містить 27 рисунків, 15 таблиць, 3 додатки та 27 джерел. Метою роботи є розробка системи автоматизованої мультимодальної класифікації рекламних креативів для перетворення неструктурованих зображень та відео у структурований звіт із визначеними брендом, продуктом та категорією. Об’єктом дослідження є автоматизована обробка рекламних креативів, а саме зображень та відео. Предметом дослідження є математичні моделі, алгоритми та програмні засоби мультимодальної класифікації рекламних креативів. В роботі проведено аналіз предметної області, побудова математичної моделі обробки та класифікації рекламних креативів, проаналізовано результати роботи системи, а саме системні метрики та метрики якості. Результатом цієї роботи є програмне забезпечення з графічним інтерфейсом, яке написане мовою програмування Python з використанням бібліотек CustomTkinter, OpenAI, PIL, imagehash та cv2. Шляхом подальшого розвитку предмета дослідження може бути покращення алгоритмів пошуку дублікатів та використання інших моделей для безпосередньої класифікації рекламних матеріалів.
Ескіз недоступний
ДокументВідкритий доступ
Вдосконалення корпусу одночерв’ячного екструдера з метою поліпшення процесу екструзії
(КПІ ім. Ігоря Сікорського, 2025) Мельник, Д. С.; Витвицький, В. М.; Олексишен, В. М.; Демидик, О. І.; Луцевят, І. О.
Під час роботи екструдера виникає підвищене навантаження на кінцеву ділянку черв’яка, зумовлене високим тиском розплаву в зоні перед формуючою головкою. Це може призводити до прогину черв’яка, нерівномірної подачі матеріалу та порушення геометрії готового виробу. Завдяки модернізації корпусу шляхом введення кільцевої проточки з тілами обертання (наприклад, кульками), які утворюють плаваючу опору для черв’яка, забезпечується його стабілізація в радіальному та осьовому напрямках. Це дозволяє знизити пульсації потоку, покращити гомогенізацію розплаву та забезпечити рівномірне надходження полімеру до формуючої головки. Як наслідок — зменшується кількість браку, підвищується точність та якість виготовлення трубчастих виробів.
Ескіз недоступний
ДокументВідкритий доступ
Сценарний аналіз трендів та тенденцій соціальних мереж як засобів стратегічного розвитку бізнесу
(КПІ ім. Ігоря Сікорського, 2026) Клочко, Поліна Євгенівна; Савченко, Ілля Олександрович
Дипломна робота: 150 с., 23 табл., 55 рис., 2 дод., 26 джерел. Об'єктом дослідження є вибір ефективних стратегій для привернення уваги до свого продукту на основі трендів і тенденцій із соціальних мереж та отримання корисних інсайтів для бізнесу й дослідників. Предметом дослідження є двоетапний модифікований метод морфологічного аналізу з неточними вхідними даними та аналіз чутливості, оцінка необхідної точності та аналіз впливу вхідних даних на результат першого етапу. Метою дипломної роботи є демонстрація потенціалу двоетапного модифікованого методу морфологічного аналізу з неточними даними, що може бути використаний для аналізу і прогнозування пріоритетних способів використання трендів та тенденцій з соціальних мереж у власних цілях бізнесу. У практичній частині на мові Python розроблено програму, що оптимізує розрахунки двоетапного МММА на основі експертних оцінок, які подаються у файлі Excel, та оптимізує розрахунки оцінювання чутливості результатів ранжування від зміни вхідних даних, необхідної точності вхідних даних й аналізу впливу вхідних даних на результат першого етапу. Результати дослідження подані у таблицях, рисунках та структурованій інтерпретації отриманих числових результатів у стратегічні рішення. Подальший розвиток роботи може включати аналіз чутливості для другого етапу МММА, процедури оцінювання повноти вхідних даних та упередженості моделі, виявлення протиріч у матриці взаємозв'язків і роботу з нечіткими експертними оцінками.
Ескіз недоступний
ДокументВідкритий доступ