Застосування машинного навчання у хмарних IoT-платформах для прогнозування аномалій
Вантажиться...
Дата
2026
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Мета роботи — розробка архітектури та програмних засобів інтеграції модуля машинного навчання у хмарну IoT-платформу для раннього прогнозування та виявлення аномалій у телеметричних даних.
Об’єкт дослідження — процес моніторингу, обробки та аналізу потокових телеметричних даних, що надходять від пристроїв Інтернету речей до хмарної платформи.
Предмет дослідження — методи, алгоритми та архітектурні рішення машинного навчання, які застосовуються для прогнозування аномалій у хмарному середовищі IoT.
Короткий зміст роботи
У першому розділі проаналізовано особливості архітектури сучасних хмарних IoT-платформ та парадигми розподілених обчислень. Наведено детальну класифікацію аномалій у телеметричних даних та досліджено ключові проблеми їх ідентифікації в нелінійних та зашумлених інформаційних потоках.
У другому розділі обґрунтовано вибір рекурентних автокодувальників як основного інструменту аналізу часових рядів. Спроєктовано хмарно-орієнтований конвеєр потокової обробки телеметрії на базі модифікованої Kappa-архітектури, що забезпечує низьку латентність та високу масштабованість системи.
У третьому розділі описано практичну реалізацію розробленої системи з використанням екосистеми AWS та фреймворків Apache Kafka, Apache Flink і PyTorch. Наведено результати навчання та валідації моделі, а також результати тестування системи на реальних телеметричних даних.
Опис
Ключові слова
інтернет речей, машинне навчання, аномалії, хмарні обчислення, автокодувальник, аналіз часових рядів, internet of things, machine learning, anomalies, cloud computing, lstm, autoencoder, apache kafka, time series analysis
Бібліографічний опис
Коваленко, К. О. Застосування машинного навчання у хмарних IoT-платформах для прогнозування аномалій : дипломна робота ... бакалавра : 172 Телекомунікації та радіотехніка / Коваленко Катерина Олександрівна. – Київ, 2026. – 84 с.