Інформаційна система аналізу та моніторингу криптовалютних активів з використанням моделей штучного інтелекту

Скорочена інформація про документ
dc.contributor.advisorШимкович, Володимир Миколайович
dc.contributor.authorЯловіца, Олексій Ігорович
dc.date.accessioned2026-01-28T12:16:50Z
dc.date.available2026-01-28T12:16:50Z
dc.date.issued2025
dc.description.abstractМагістерська дисертація складається з семи розділів, містить 40 таблиць, 9 додатків та 38 джерел – загалом 136 сторінок. Об`єкт дослідження: система аналізу та моніторингу криптовалютних активів, яка забезпечує автоматизований збір, обробку, зберігання та аналітику ринкових даних із використанням моделей штучного інтелекту для прогнозування динаміки цін та формування індикаторів ризику. Мета магістерської дисертації: метою роботи є надання користувачам можливості здійснювати обґрунтований аналіз та прогнозування динаміки криптовалютних активів на основі моделей штучного інтелекту в режимі реального часу. У першому розділі було проведено аналіз задачі моніторингу та аналізу криптовалютних активів, що охоплює загальну характеристику задачі, обґрунтування актуальності розробки системи, дослідження технологічних особливостей блокчейну Solana, а також вивчення джерел даних і структури аналітичної екосистеми. У другому розділі було здійснено аналіз існуючих рішень у сфері моніторингу криптовалют, включаючи порівняльний аналіз провідних платформ CoinMarketCap, Glassnode та Dune Analytics, виявлено їхні сильні та слабкі сторони, а також визначено підходи та типи систем моніторингу. У третьому розділі було розроблено функціональні та нефункціональні вимоги до системи, враховуючи особливості роботи з криптовалютними активами, а також детально описано варіанти використання системи для різних категорій користувачів. У четвертому розділі було визначено критерії вибору технологій для розробки системи та проведено аналіз актуальних технологій, включаючи мови програмування, фреймворки серверної частини, бази даних, фронтенд-фреймворки, інструменти для машинного навчання та архітектури нейронних мереж. У пятому розділі розроблено архітектуру системи та ключові модулі, підготовлено набір даних для навчання моделі, спроєктовано та навчено модель прогнозування на основі нейронної мережі, реалізовано сервіс прогнозування, серверну та клієнтську частини системи з усіма необхідними функціональними компонентами. У шостому розділі проведено комплексне тестування роботи системи, включаючи оцінку точності моделі прогнозування, продуктивності сервісу прогнозування, а також функціональне тестування серверної та клієнтської частин системи. У сьомому розділі розроблено стартап-проєкт, що включає опис ідеї проєкту, технологічний аудит, аналіз ринкових можливостей запуску, розроблення ринкової стратегії та маркетингової програми для впровадження системи на ринок.
dc.description.abstractotherThe explanatory note consists of seven sections, contains 40 tables, 9 appendices, and 38 references, totaling 136 pages. The object of study: a system for analysis and monitoring of cryptocurrency assets that provides automated collection, processing, storage, and analytics of market data using artificial intelligence models to forecast price dynamics and generate risk indicators. The aim of the masters degree thesis: to provide users with the ability to perform informed analysis and forecasting of cryptocurrency asset dynamics based on artificial intelligence models in real time. The first section analyzes the problem of monitoring and analyzing cryptocurrency assets, including a general characterization of the problem, justification of the relevance of system development, investigation of the technological features of the Solana blockchain, as well as a study of data sources and the structure of the analytical ecosystem. The second section presents an analysis of existing solutions in the field of cryptocurrency monitoring, including a comparative analysis of leading platforms such as CoinMarketCap, Glassnode, and Dune Analytics, identifies their strengths and weaknesses, and determines approaches and types of monitoring systems. The third section defines the functional and non-functional requirements for the system, taking into account the specifics of working with cryptocurrency assets, and provides a detailed description of system use cases for different categories of users. The fourth section establishes criteria for selecting technologies for system development and analyzes modern technologies, including programming languages, backend frameworks, databases, frontend frameworks, machine learning tools, and neural network architectures. The fifth section develops the system architecture and key modules, prepares a dataset for model training, designs and trains a forecasting model based on a neural network, and implements the forecasting service as well as the server-side and client-side components of the system with all required functional features. The sixth section conducts comprehensive system testing, including evaluation of the forecasting model accuracy, performance of the forecasting service, and functional testing of both the server-side and client-side components. The seventh section develops a startup project, including a description of the project idea, a technological audit, analysis of market opportunities for launch, and the development of a market strategy and marketing program for introducing the system to the market.
dc.format.extent127 с.
dc.identifier.citationЯловіца, О. І. Інформаційна система аналізу та моніторингу криптовалютних активів з використанням моделей штучного інтелекту : магістерська дис. : 126 Інформаційні системи та технології / Яловіца Олексій Ігорович. – Київ, 2025. – 127 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/78474
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectаналіз даних
dc.subjectінформаційна система
dc.subjectкриптовалюта
dc.subjectмашинне навчання
dc.subjectмоніторинг
dc.subjectнейронні мережі
dc.subjectпрогнозування
dc.subjectфінансова аналітика
dc.subjectштучний інтелект
dc.subject.udc004.42(004.89)
dc.titleІнформаційна система аналізу та моніторингу криптовалютних активів з використанням моделей штучного інтелекту
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Yalovytsia_magistr.pdf
Розмір:
5.18 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 (ІСТ)
Магістерські роботи