Вебплатформа аналізу продуктивності виконання завдань моделями машинного навчання на стороні клієнта

Скорочена інформація про документ
dc.contributor.advisorТітов, Владислав Миколайович
dc.contributor.authorЄрохов, Валерій Сергійович
dc.date.accessioned2026-08-11T09:08:06Z
dc.date.available2026-08-11T09:08:06Z
dc.date.issued2026
dc.description.abstractДипломна робота виконана на 74 сторінках, містить 5 ілюстрацій, 4 додатки, 11 джерел у переліку посилань. Мета роботи – розробка веб-системи для емпіричного аналізу та порівняння продуктивності виконання моделей машинного навчання безпосередньо у клієнтському веб-середовищі (Edge ML). Методи та засоби: методи об'єктно-орієнтованого програмування, апаратне прискорення обчислень через графічні та центральні процесори, бібліотека побудови інтерфейсів React, фреймворки машинного навчання TensorFlow.js та ONNX Runtime Web, технології веб-стандартів WebAssembly (WASM), WebGL, WebGPU, інструментарій маніпуляції піксельними даними HTML Canvas API. Результат – розроблено та протестовано програмний інструментарій (бенчмаркінг-систему) для оцінювання швидкодії інференсу нейронних мереж на стороні клієнта із вбудованим алгоритмом динамічного препроцесингу вхідних даних. Програмний продукт являє собою односторінковий вебзастосунок (Single Page Application), розроблений на базі бібліотеки React. Застосунок призначений для емпіричного тестування та порівняльного аналізу (бенчмаркінгу) продуктивності виконання моделей машинного навчання безпосередньо у клієнтському середовищі браузера (Edge ML). Система інтегрує провідні фреймворки (TensorFlow.js та ONNX Runtime Web) і підтримує маршрутизацію обчислень на різні апаратні бекенди (CPU/WASM, GPU/WebGL, WebGPU). Ключові функціональні можливості програми включають: автоматичне детектування підтримки новітніх апаратних API; динамічний препроцесинг вхідних зображень через HTML Canvas API з адаптивним алгоритмом інверсії фону; виконання двофазного бенчмаркінгу з ізоляцією прогрівочних (warm-up) ітерацій; а також збір та візуалізацію розширеної статистики (медіанний час інференсу, стандартне відхилення, споживання оперативної пам'яті) за допомогою вбудованих графічних компонентів (Recharts).
dc.description.abstractotherThe thesis is executed on 74 pages, contains 5 illustrations, 4 appendices, 11 sources in the reference list. The aim of the work is the development of a web system for empirical analysis and comparison of the performance of executing machine learning models directly in the client web environment (Edge ML). Methods and tools: object-oriented programming methods, hardware acceleration of computations via graphic and central processing units, React user interface library, TensorFlow.js and ONNX Runtime Web machine learning frameworks, WebAssembly (WASM), WebGL, WebGPU web standard technologies, HTML Canvas API pixel data manipulation toolkit. Result – a software toolkit (benchmarking system) for evaluating the inference speed of neural networks on the client side with a built-in dynamic input data preprocessing algorithm has been developed and tested.
dc.format.extent74 с.
dc.identifier.citationЄрохов, В. С. Вебплатформа аналізу продуктивності виконання завдань моделями машинного навчання на стороні клієнта : дипломна робота ... бакалавра : 122 Комп’ютерні науки / Єрохов Валерій Сергійович. – Київ, 2026. – 74 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/82387
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectмашинне навчання
dc.subjectбенчмаркінг
dc.subjectedge ml
dc.subjectwebgpu
dc.subjectwebassembly
dc.subjecttensorflow.js
dc.subjectonnx runtime
dc.subjectreact
dc.subjectmachine learning
dc.subjectbenchmarking
dc.titleВебплатформа аналізу продуктивності виконання завдань моделями машинного навчання на стороні клієнта
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Erohov_bakalavr.pdf
Розмір:
1.19 MB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Бакалаврські роботи (ЦТЕ)
Бакалаврські роботи