Автоматизація класифікації та маркування даних для навчання моделей штучного інтелекту

Скорочена інформація про документ
dc.contributor.advisorШушура, Олексій Миколайович
dc.contributor.authorПрисяжнюк, Владислав Вадимович
dc.date.accessioned2024-02-15T14:18:21Z
dc.date.available2024-02-15T14:18:21Z
dc.date.issued2023
dc.description.abstractМагістерська дисертація: 92 с., 51 рис., 13 табл., 24 джерела, 2 додатки. Актуальність. Класифікація та маркування зображень використовуються при навчанні моделей штучного інтелекту, які застосовуються у різних сферах, включаючи комп'ютерний зір, медичну діагностику, розпізнавання образів, та ін. Сьогодні значна кількість компаній використовує штучний інтелект для прискорення виконання багатьох завдань. Необхідність обробки величезних обсягів інформації для навчання моделей штучного інтелекту, яка здебільшого виконується персоналом компаній, визначає актуальність розробки інформаційних технологій з метою автоматизації цього процесу. Метою дослідження є автоматизація класифікації та маркування даних для навчання моделей штучного інтелекту. Для досягнення зазначеної мети треба виконати наступні задачі: – огляд існуючих систем та методів для класифікації та маркування даних; – проектування архітектури технології автоматичної класифікації та розмітки даних; – моделювання системи автоматизації та вибір засобів розробки; – розробка програмного забезпечення автоматизації класифікації та маркування даних для навчання моделей штучного інтелекту; – проведення тестування програмного забезпечення. Об’єктом дослідження є процес класифікації та маркування зображень для навчання моделей штучного інтелекту. Предметом дослідження є методи та інформаційні системи для класифікації та маркування даних на основі машинного навчання. Методи дослідження: машинне навчання для класифікації та анотування об’єктів на зображеннях. Практичне значення отриманих результатів: Практичне значення магістерської дисертації полягає в тому, що було розроблено програмний продукт, що складається з інформаційної технології, серверу та згорткових мереж, який дозволяє в режимі реального часу автоматично класифіковувати та анотувати дані для подальшого навчання моделей штучного інтелекту. Публікації: Присяжнюк В. В. AUTOMATION OF IMAGE CLASSIFICATION AND LABELING FOR TRAINING ARTIFICAL INTELLIGENCE MODELS/ В. В. Присяжнюк, О. М. Шушура. // «Сучасні проблеми наукового забезпечення енергетики». – 25-28 квітня 2023. – С. 172-173. Присяжнюк В. В. Інформаційна система класифікації та маркування зображень для навчання моделей штучного інтелекту / В. В. Присяжнюк, О. М. Шушура. // «Вісник ХНТУ №3(86)». – 2023. – С. 137 – 142.
dc.description.abstractotherMaster's degree thesis: 92 pages, 51 figures, 13 tables, 24 references, 2 appendices. Relevance. Image classification and labeling are used to train artificial intelligence models that are used in various fields, including computer vision, medical diagnostics, pattern recognition, etc. Today, a significant number of companies use artificial intelligence to speed up many tasks. The need to process huge amounts of information to train artificial intelligence models, which is mostly performed by company personnel, makes it important to develop information technologies to automate this process. The purpose of the study is to automate the classification and labeling of data for training artificial intelligence models, consisting of information technology, server part, and convolutional networks. To achieve this goal, the following tasks need to be accomplished: - review of existing systems and methods for data classification and labeling; - designing the architecture of automatic data classification and labeling technology; - modeling of the automation system and selection of development tools; - development of a system for automating data classification and labeling for training artificial intelligence models; - conducting software testing. The object of research is the process of classifying and labeling images for training artificial intelligence models. The subject of research is methods and information systems for classifying and labeling data based on machine learning. Research methods: machine learning for classifying and annotating objects in images Practical significance of the results: The practical significance of the master's thesis is that a software product consisting of information technology, server and convolutional networks has been developed that allows real-time automatic classification and annotation of data for further training of artificial intelligence models. Publications: Prysiazhnyuk V. V. AUTOMATION OF IMAGE CLASSIFICATION AND LABELING FOR TRAINING ARTIFICIAL INTELLIGENCE MODELS / V. Prysiazhniuk, O. Shushura // "Modern Problems of Scientific Support of Energy." - April 25-28, 2023. - P. 172-173. Prysiazhniuk V. V. Information system of classification and labeling of images for training artificial intelligence models / V. V. Prysiazhniuk, O. M. Shushura // "Bulletin of KhNTU №3 (86)." - 2023. - P. 137 - 142.
dc.format.extent94 с.
dc.identifier.citationПрисяжнюк, В. В. Автоматизація класифікації та маркування даних для навчання моделей штучного інтелекту : магістерська дис. : 122 Комп’ютерні науки / Присяжнюк Владислав Вадимович. – Київ, 2023. – 94 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/64627
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectкомп’ютерний зір
dc.subjectнейронні мережі
dc.subjectмашинне навчання
dc.subjectкласифікація об’єктів
dc.subjectсистема автоматизації
dc.subjectмаркування даних
dc.subjectcomputer vision
dc.subjectneural networks
dc.subjectmachine learning
dc.subjectobject classification
dc.subjectautomation system
dc.subjectdata labeling
dc.subject.udc004.85
dc.titleАвтоматизація класифікації та маркування даних для навчання моделей штучного інтелекту
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Prysiazhniuk_magistr.pdf
Розмір:
3.69 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