Видання зареєстровані авторами шляхом самоархівування
Permanent URI for this communityhttps://devessuir.sumdu.edu.ua/handle/123456789/1
Browse
76 results
Search Results
Item Економіко-математичне моделювання реалізації проєктів цифрових валют центральних банків засобами машинного навчання(Сумський державний університет, 2025) Могильна, К.О.У сучасних умовах стрімкої цифрової трансформації фінансового сектору цифрові валюти центральних банків стали одним із широко обговорюваних явищ у сфері грошово-кредитної політики та фінансових інновацій, втім реалізація CBDC-проєктів є складним процесом, який залежить від багатьох економічних, технічних, соціальних і регуляторних факторів. Метою кваліфікаційної роботи є побудова та інтерпретація моделей машинного навчання для аналізу факторів, що впливають на реалізацію цифрових валют центральних банків (CBDC) і визначення ключових характеристик успішних проєктів. Об’єктом дослідження є цифрові валюти центральних банків, що перебувають на різних етапах впровадження (від початкових етапів дослідження до повного запуску). Предметом дослідження є фактори реалізації CBDC-проєктів та методи машинного навчання для їх аналізу. У роботі побудовано три класифікаційні моделі (випадковий ліс, метод опорних векторів, нейронна мережа), здійснено інтерпретацію їх результатів за допомогою SHAP-аналізу та визначено найбільш впливові чинники реалізації CBDC-проєктів: тип цифрової валюти, часові характеристики проєкту та рівень розвитку цифрової інфраструктури країни.Item Інформаційне та програмне забезпечення системи комп'ютерного зору для виявлення та відстеження футболістів на полі під час матчу(Сумський державний університет, 2025) Лемешко, Д.І.Розроблено і програмно реалізовано інформаційну систему розпізнавання та відстеження футболістів на полі під час гри за матеріалами відеозйомки, яка визначає об'єкти інтересу в зображеннях відеопотоку та відмічає гравців для подальшого використання результатів розпізнавання при аналізі результатів гри. Проведено тестування розробки на реальних даних відеозаписів футбольних матчів.Item Інформаційна система інтелектуального аналізу медичних даних(Сумський державний університет, 2025) Куліковський, Н.О.Розроблено інформаційну систему інтелектуального аналізу медичних зображень для діагностики захворювань шкіри. Система реалізує методи машинного навчання в межах інформаційно-екстремальної інтелектуальної технології. Проведено оптимізацію параметрів класифікації, реалізовано програмну модель та оцінено її ефективність.Item Інформаційна система формування продуктових рекомендацій на основі методів машинного навчання(Сумський державний університет, 2025) Громовий, К.В.Комплексна інформаційна система для формування продуктових рекомендацій з шістьма алгоритмами, метриками якості та практичними рекомендаціями щодо вибору оптимальних підходів. Система демонструє можливість реалізації ефективних рекомендаційних систем в умовах обмежених ресурсів.Item Застосування штучного інтелекту в прогнозуванні економічних показників(Сумський державний університет, 2025) Розгон, Ю.В.У сучасних умовах глобальної цифровізації, інтенсивного розвитку інформаційних технологій та широкого впровадження аналітичних інструментів у сферу економіки, проблема прогнозування макроекономічних показників, зокрема валового внутрішнього продукту (ВВП), набуває винятково важливого значення. ВВП є одним з основоположних індикаторів стану економіки держави, відображає загальний обсяг вироблених товарів і послуг у країні за певний період та використовується як основа для формування бюджетної, монетарної, інвестиційної та соціальної політики. Саме тому точність його прогнозування є критично важливою для ухвалення ефективних управлінських рішень як на державному, так і на корпоративному рівні. Актуальність теми дослідження зумовлена необхідністю підвищення ефективності інструментарію економічного прогнозування в умовах нестабільності зовнішнього середовища, глобальних викликів та високої мінливості економічних процесів.Item Інформаційна система ієрархічного розпізнавання об'єктів на місцевості на основі методів машинного навчання(Сумський державний університет, 2025) Саєнко, М.Д.Розроблено інформаційну систему ієрархічного розпізнавання об'єктів на місцевості з використанням методів машинного навчання. Система реалізує двоетапний підхід: спочатку виявляються області з транспортними засобами за допомогою детектора YOLOv8, а потім здійснюється точна класифікація типів транспорту з використанням ResNet18. Створено графічний інтерфейс користувача для взаємодії з системою та покрокової демонстрації роботи кожного рівня ієрархії.Item Інформаційна система алгоритмічного трейдингу з використанням штучного інтелекту(Сумський державний університет, 2025) Рудь, А.Ю.Розроблено інформаційну систему алгоритмічного трейдингу з прогнозною моделлю SARIMA, яка автоматично аналізує дані, формує торгові дії та виконує їх через біржові API. Реалізовано масштабовану архітектуру з розподіленими сервісами, адміністраторською панеллю, хмарною інфраструктурою та підтримкою модульної інтеграції нових алгоритмів і моделей.Item Інтелектуальна система балансування навантаження у веб-мережах(Сумський державний університет, 2025) Іваній, Я.О.У дипломній роботі розроблено інтелектуальний алгоритм балансування навантаження у веб-мережах із використанням методів штучного інтелекту. У процесі реалізації створено середовище для симуляції роботи декількох серверів, організовано передачу даних між клієнтами, балансувальником та серверами. Запропонований алгоритм здатен адаптуватися в реальному часі до змін навантаження та навчатися на основі отриманих даних з метою оптимізації розподілу запитів і зменшення перевантаження серверівItem Машинне навчання для забезпечення кібербезпеки у сфері фінансових послуг(ВВП «Мрія», 2025) Яровенко, Ганна Миколаївна; Yarovenko, Hanna MykolaivnaУ навчальному посібнику розглянуто актуальне поєднання методів машинного навчання та завдань кібербезпеки у фінансовому секторі з огляду на досвід ЄС та потреб України в умовах зростання цифрових загроз. Видання охоплює вісім ключових тем, які комплексно поєднують теорію з практикою: кожен розділ містить теоретичний матеріал, практичні завдання та приклади алгоритмів машинного навчання мовою Python. Посібник формує навички роботи з даними, побудови, навчання, оцінювання якості та удосконалення моделей, орієнтованих на виявлення загроз та підвищення кіберзахисту у фінансовому секторі. Видання має виразну прикладну спрямованість і призначене передусім для студентів бакалаврату спеціальності 051 – Економіка, зокрема освітньої програми «Економічна кібернетика та бізнес-аналітика». Воно також стане у пригоді студентам інших спеціальностей, аспірантам, викладачам і практикам у галузях фінансів, бізнес-аналітики та кібербезпеки.Item Інформаційно-аналітична система оцінювання відповідності сучасним вимогам навчального контенту спеціальності кібербезпека(Національний аерокосмічний університет "Харківський авіаційний інститут", 2021) Довбиш, Анатолій Степанович; Dovbysh, Anatolii Stepanovych; Шелехов, Ігор Володимирович; Shelekhov, Ihor Volodymyrovych; Хібовська, Юлія Олексіївна; Khibovska, Yuliia Oleksiivna; Матяш, О.В.Розв’язана актуальна задача підвищення функціональної ефективності машинного навчання інформаційно-аналітичної системи (ІАС) оцінки відповідності сучасним вимогам контенту навчальних дисциплін бакалаврського рівня спеціальності «Кібербезпека» Розроблено метод інформаційно-екстремального машинного навчання ІАС з метою адаптації навчального контенту випускової кафедри до вимог ринку праці, що дозволяє при функціонуванні системи в режимі моніторингу оперативно корегувати контент з навчальних дисципліни випускової кафедри. Ідея методу полягає у максимізації інформаційної спроможності ІАС в процесі машинного навчання, що дозволяє в режимі моніторингу отримати максимальну повну ймовірність прийняття правильних класифікаційних рішень. За результатами інформаційно-екстремального машинного навчання в рамках геометричного підходу побудовано вирішальні правила, практично інваріантні до багато вимірності простору ознак розпізнавання. Як критерій оптимізації параметрів машинного навчання використовується модифікація інформаційної міри Кульбака, яка є функціоналом точнісних характеристик класифікаційних рішень. Як параметри оптимізації розглядалися геометричні параметри гіперсферичних контейнерів класів розпізнавання, які в процесі машинного навчання відновлювалися в радіальному базисі бінарного простору ознак Хеммінга. При цьому вхідна навчальна матриця трансформувалася в робочу бінарну навчальну матрицю, яка змінювалася в процесі машинного навчання шляхом допустимих перетворень з метою адаптації вхідного математичного опису системи до максимальної достовірності класифікаційних рішень. Запропоновано категорійну модель функціонування ІАС, на основі якої розроблено алгоритм інформаційно-екстремального машинного навчанням системи з автоматичним визначенням базового класу розпізнавання. За результатами опитування фахівців з кібербезпеки сформовано вхідну структуровану навчальну матрицю, а за результатами фізичного моделювання підтверджено працездатність запропонованого методу інформаційно-екстремального машинного навчання ІАС.