Аналіз даних з використанням мікросервісної архітектури для навчання нейронних мереж

Скорочена інформація про документ
dc.contributor.advisorШушура, Олексій Миколайович
dc.contributor.authorСавчук, Анна Іванівна
dc.date.accessioned2024-02-23T08:40:14Z
dc.date.available2024-02-23T08:40:14Z
dc.date.issued2023
dc.description.abstractМагістерська дисертація на тему «Аналіз даних з використанням мікросервісної архітектури для навчання нейронних мереж». Дисертація містить 90с. тексту, 18 рисунків, 29 таблиць, 20 джерел та 1 додаток. Актуальність теми. У сучасному інформаційному суспільстві, що стрімко розвивається, обробка та аналіз даних стають ключовими аспектами для прийняття обґрунтованих рішень в різних сферах. Сфера машинного навчання і нейронних мереж, як одна з її складових, стає основою для створення інтелектуальних систем, здатних вчитися та адаптуватися до змін в оточенні. Застосування мікросервісної архітектури для навчання нейронних мереж може покращити швидкість та точність моделей, зробивши їх ефективнішими у реальному часі. Мета та завдання дослідження. Метою даної роботи є розробка програмного забезпечення для аналізу та прогнозування даних з використанням мікросервісної архітектури для навчання нейронних мереж. Для досягнення поставленої мети необхідно виконати наступні завдання: − дослідити методи навчання нейронних мереж для проведення аналізу та прогнозування даних; − реалізувати навчання нейронної мережі у вигляді моделі багатошарового персептрону; − спроектувати мікросервісну архітектуру для системи аналізу даних; − проаналізувати та обрати технології для реалізації клієнтської та серверної частин; − проаналізувати та обрати систему управління базами даних; − провести тестування системи для перевірки функціональності, надійності та якості програмного продукту. Об’єкт дослідження. Процес аналізу даних та навчання нейронних мереж на основі мікросервісної архітектури. Предмет дослідження. Методи та програмне забезпечення аналізу даних та навчання нейронних мереж з використанням мікросервісної архітектури. Методи дослідження. Для виконання поставлених задач були використані наступні методи: розробка мікросервісної архітектури, експериментальне моделювання, методи кластерного аналізу, порівняльний аналіз, використання багатошарового персептрону.
dc.description.abstractotherMaster's thesis on the topic "Data analysis using microservice architecture for learning neural networks". The thesis contains 90p. text, 18 drawings, 29 tables, 20 source and 1 application. Actuality of theme. In today's rapidly developing information society, data processing and analysis are becoming key aspects for making informed decisions in various fields. The field of machine learning and neural networks, as one of its components, becomes the basis for the creation of intelligent systems capable of learning and adapting to changes in the environment. Applying a microservice architecture to train neural networks can improve the speed and accuracy of models, making them more efficient in real time. The purpose and objectives of the research. The purpose of this work is to develop software for data analysis and forecasting using a microservice architecture for learning neural networks. To achieve the goal, it is necessary to complete the following tasks: − research methods of training neural networks for data analysis and forecasting; − implement neural network training in the form of a multilayer perceptron model; − design a microservice architecture for a data analysis system; − analyze and choose technologies for the implementation of client and server parts; − analyze and choose a database management system; − conduct system testing to check the functionality, reliability and quality of the software product. Object of study. The process of data analysis and training of neural networks based on microservice architecture. Subject of study. Methods and software for data analysis and training of neural networks using microservices architecture. Research methods. The following methods were used to fulfill the tasks: development of microservice architecture, experimental modeling, methods of cluster analysis, comparative analysis, use of multilayer perceptron.
dc.format.extent90 с.
dc.identifier.citationСавчук, А. І. Аналіз даних з використанням мікросервісної архітектури для навчання нейронних мереж : магістерська дис. : 122 Комп’ютерні науки / Савчук Анна Іванівна. – Київ, 2023. – 90 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/64909
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectМікросервісна архітектура
dc.subjectнейронні мережі
dc.subjectглибоке навчання
dc.subjectаналіз даних
dc.subjectMicroservice architecture
dc.subjectneural networks
dc.subjectdeep learning
dc.subjectdata analysis
dc.subject.udc004. 8
dc.titleАналіз даних з використанням мікросервісної архітектури для навчання нейронних мереж
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Savchuk_magistr.pdf
Розмір:
6.18 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

Магістерські роботи (ЦТЕ)
Магістерські роботи