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
ДокументВідкритий доступ
Програмне забезпечення з використанням машинного навчання для відбору кандидатів на основі резюме
(КПІ ім. Ігоря Сікорського, 2026) Гавриленко, Ігор Сергійович; Юсин, Яків Олексійович
Дипломний проєкт присвячено розробленню вебзастосунку для попередньої оцінки відповідності кандидата вимогам вакансії на основі аналізу резюме. Система призначена для підтримки роботи фахівця з добору персоналу на початковому етапі розгляду кандидатів і не приймає автоматичного рішення щодо найму або відхилення кандидата. У роботі проаналізовано наявні програмні рішення для автоматизованого добору кандидатів, визначено їхні переваги й обмеження та обґрунтовано потребу в розробленні власного програмного засобу. Розроблений вебзастосунок дає змогу створювати вакансії, зберігати їхній опис, вводити текст резюме вручну або завантажувати його у форматі PDF, виконувати оцінювання одного кандидата чи пакетну перевірку кількох кандидатів. Результатом роботи системи є числова оцінка відповідності кандидата вакансії та пояснення факторів, що вплинули на отриманий результат. Для реалізації системи використано клієнт-серверну архітектуру. Серверну частину реалізовано з використанням Python, Django та Django REST Framework, клієнтську частину – з використанням React, TypeScript і Vite. Для збереження даних застосовано реляційну базу даних. Модуль оцінювання використовує методи обробки природної мови, ознаки текстової подібності, структуровані ознаки резюме й опису вакансії та модель машинного навчання LightGBM. Розроблений вебзастосунок підтримує збереження історії результатів, додавання тегів, нотаток і зворотного зв’язку. Окремо реалізовано адміністративний модуль для роботи з наборами даних, запуском навчання моделей, керуванням версіями моделей і фіксацією їхніх активацій. Результатом дипломного проєкту є прототип програмного засобу, який може бути використаний для впорядкування та прискорення первинного аналізу кандидатів.
Ескіз
ДокументВідкритий доступ
Програмне забезпечення з вбудованим помічником на основі штучного інтелекту для управління відносинами з клієнтами
(КПІ ім. Ігоря Сікорського, 2026) Боньковський, Ілля Віталійович; Юсин, Яків Олексійович
У даному дипломному проєкті спроєктовано та реалізовано програмне забезпечення із вбудованим інтелектуальним помічником для управління відносинами з клієнтами. Метою розробки є автоматизація операційної діяльності відділів продажу та надання менеджерам інтелектуальної підтримки на основі накопиченої історії взаємодії з клієнтами. Програмний продукт охоплює повний цикл ведення клієнтської бази: від реєстрації нових клієнтів до моніторингу етапів воронки продажів та керування робочими завданнями. Інтегрований аналітичний модуль Smart Advisor, який взаємодіє з хмарним сервісом Google Gemini API, здатний аналізувати контекст поточних угод, обчислювати ймовірність їх успішного завершення та генерувати покрокові рекомендації для користувачів без необхідності ручного збору даних. Технічна реалізація проєкту базується на сучасній клієнт-серверній архітектурі. Серверна частина розроблена мовою C# з використанням фреймворку ASP.NET Core. Для забезпечення високої продуктивності та надійності збереження інформації застосовано комбінований підхід: реляційна база Microsoft SQL Server відповідає за строгу узгодженість бізнес-даних, а нереляційна СКБД MongoDB – за збереження системних журналів подій та телеметрію ШІ-запитів. Користувацький вебінтерфейс побудовано у форматі SPA на базі фреймворку Angular із залученням компонентної бібліотеки PrimeNG, що гарантує високу ергономіку та адаптивність візуального середовища. Отримані результати мають високе практичне значення і готові до інтеграції у реальні бізнес-процеси підприємств.
Ескіз
ДокументВідкритий доступ
Вплив параметрів моделі Карро-Ясуда на в'язкість неньютонівських рідин
(КПІ ім. Ігоря Сікорського, 2024-12-20) Гурін, Р. С.; Гондлях, О. В.
Досліджено вплив ключових параметрів моделі Карро-Ясуда (початкової в'язкості μ₀, часу релаксації λ та показника ступеня ν) на реологічну поведінку неньютонівської рідини. Шляхом чисельного моделювання за допомогою рівняння Карро-Ясуда проаналізовано залежність в'язкості (μ) від швидкості зсуву (γ) при варіюванні значень μ₀ (від 1.522 × 10⁴ до 1.922 × 10⁴ Па·с), λ (від 1.309 × 10⁻¹ до 2.909 × 10⁻¹ с) та ν (від 0.1269 до 3.269). Встановлено, що збільшення μ₀ призводить до зростання в'язкості при всіх значеннях швидкості зсуву, тоді як збільшення λ посилює неньютонівську поведінку, проявляючись у більш вираженому спаді в'язкості зі збільшенням швидкості зсуву. Найбільш суттєвий вплив на характер залежності μ(γ) має показник ступеня ν, зміна якого впливає на крутизну спаду в'язкості. Отримані результати демонструють важливість врахування кожного з параметрів моделі Карро-Ясуда для адекватного опису реологічних властивостей неньютонівських рідин. Результати дослідження можуть бути використані для оптимізації технологічних процесів, що залучають неньютонівські рідини.
Ескіз
ДокументВідкритий доступ
Вебсервіс для автоматизації проведення турнірів з карате
(КПІ ім. Ігоря Сікорського, 2026) Багдасарян, Інга Гаріківна; Саяпіна, Інна Олександрівна
Даний дипломний проєкт присвячений розробленню вебсервісу для автоматизації організації та проведення змагань з карате. У роботі виконано аналіз особливостей організації спортивних турнірів, обґрунтовано доцільність автоматизації процесів реєстрації учасників, формування турнірних сіток та ведення турнірної документації. Проведено дослідження та порівняння існуючих програмних рішень для управління змаганнями, визначено їх переваги та недоліки відповідно до вимог проєкту. Вебсервіс призначений для організаторів турнірів, тренерів та учасників і забезпечує автоматизацію ключових процесів проведення змагань. Система дозволяє здійснювати реєстрацію спортсменів, формувати категорії за заданими параметрами, виконувати автоматичне жеребкування, формувати турнірні сітки, та надавати доступ до актуальної інформації у режимі реального часу. Інформаційна безпека вебсервісу реалізована за рахунок механізмів реєстрації, автентифікації та розмежування прав доступу користувачів. Передбачено різні ролі користувачів із відповідними функціональними можливостями, зокрема адміністрування змагань, керування даними учасників та перегляд турнірної інформації. У даному дипломному проєкті розроблено архітектуру серверної та клієнтської частин вебсервісу, структуру бази даних, реалізовано REST API для взаємодії між компонентами системи, модулі обробки заявок учасників, генерації турнірних сіток та формування турнірної документації. Реалізовано користувацький інтерфейс із використанням сучасних вебтехнологій. Результатом виконання дипломного проєкту є вебсервіс, який дозволяє підвищити ефективність організації змагань з карате, зменшити обсяг ручної роботи та забезпечити швидкий доступ до інформації для всіх учасників турнірного процесу.
Ескіз
ДокументВідкритий доступ
Система ефективного зберігання та обробки мультимодальних наборів даних для задач машинного навчання
(КПІ ім. Ігоря Сікорського, 2026) Ханов, Олексій Андрійович; Титаренко, Андрій Миколайович
Дипломна робота: 141 с., 7 рис., 19 табл., 30 джерел, 3 додатки. Актуальність теми: Зумовлена стрімким зростанням обсягів візуальних даних, необхідних для навчання моделей глибокого навчання, та виникненням критичного "вузького місця введення/виведення" (I/O bottleneck) у сучасних обчислювальних процесах. Традиційне зберігання зображень у вигляді окремих файлів на файловій системі є неефективним через надмірні витрати операційної системи на відкриття файлів, фрагментацію диска та обмеження утилізації прискорювачів (GPU/TPU). Окрім того, відокремлене зберігання зображень та анотацій у CSV або JSON файлах ускладнює синхронізацію та підвищує ризики пошкодження цілісності й консистентності датасету. Створення спеціалізованої системи, яка об'єднує піксельні масиви з метаданими та забезпечує швидку паралельну подачу даних, дозволяє повністю усунути простій обчислювальних потужностей у дослідницьких ML-пайплайнах. Об’єкт дослідження: Процес зберігання та обробки анотованих наборів зображень у задачах машинного навчання для задач комп'ютерного зору. Предмет дослідження: Методи і засоби організації сховищ даних зображень, що забезпечують ефективний доступ та обробку в умовах великих обсягів даних. Мета роботи: Підвищення пропускної здатності, стабільності та інфраструктурної ефективності конвеєрів машинного навчання шляхом розробки й дослідження спеціалізованого модуля ImageFrame для узгодженого зберігання, швидкого маніпулювання вибірками та оптимізованої передачі анотованих візуальних даних. Для досягнення поставленої мети використано апарат порівняльного аналізу та бенчмаркінгу продуктивності I/O-операцій для обґрунтування вибору бінарного формату HDF5. Організація сховища реалізована через чанкування та вбудовану компресію на рівні єдиного бінарного контейнера, що поєднує пікселі типу uint8, числові мітки int32 та імена файлів у кодуванні UTF-8. Механізм швидкого маніпулювання даними спроєктовано на основі патерну Virtual View за допомогою NumPy маски логічних індексів у оперативній пам'яті. Поблокова побудова інформаційної бази з вихідних директорій здійснюється у багатопотоковому режимі за допомогою ThreadPoolExecutor за патерном Producer-Consumer. Сумісність із багатопроцесними завантажувачами моделей реалізована у спеціальному PyTorch-адаптері за допомогою механізму відкладеної ініціалізації (lazy initialization) файлового дескриптора. Наукова новизна: Полягає у двовимірному системно-методологічному внеску. 1. Удосконалено методику маніпулювання вибірками даних у конвеєрах комп'ютерного зору через перехід від фізичного дульнування й копіювання файлів до впровадження архітектурного патерну віртуальних представлень (Virtual View) на базі одновимірного вектора індексів у RAM. 2. Запропоновано комплексне інфраструктурне рішення для організації швидкого довільного доступу O(1) до елементів бінарного сховища в умовах багатопроцесного тренування нейромереж, яке поєднує паралельне CPU-bound декодування зображень із Pillow (що знімає обмеження GIL) на етапі пакування та відкладену ініціалізацію з'єднання (lazy initialization) безпосередньо в межах worker-процесів DataLoader. Практичне значение отриманих результатів: Розроблено та експериментально верифіковано працездатний програмний комплекс мовою Python у складі модуля ImageFrame та адаптера PyTorchImageDataset. Система повністю закриває вузьке місце завантаження даних (I/O bottleneck) у дослідницьких ML-пайплайнах: при тестуванні на реальному датасеті Intel Image Classification, було зафіксовано стабільне прискорення випадкового читання у 2,24–2,59 рази (3598–4023 зображень/с) порівняно з прями послідовним считуванням із файлової системи за допомогою Pillow (Image.open()).