Видання зареєстровані авторами шляхом самоархівування
Permanent URI for this communityhttps://devessuir.sumdu.edu.ua/handle/123456789/1
Browse
8 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 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 Прогнозування розвитку цифрової економіки країни на основі методів машинного навчання(Сумський державний університет, 2024) Солярова, К.Г.Актуальність теми, розглянутої в межах дослідження, обумовлюється тим, що прогнозування розвитку цифрової економіки на основі методів машинного навчання дозволяє ефективно оцінювати вплив сучасних цифрових технологій на економічні процеси. Це важливо для формування обґрунтованих стратегій розвитку національних економік, зокрема в умовах глобальних змін, таких як впровадження електронного урядування та покращення інфраструктури. Метою дослідження є побудова моделей прогнозування розвитку цифрової економіки країни на основі методів машинного навчання. Об’єктом дослідження є економічні процеси, що відображають вплив цифрових технологій на розвиток економіки країни. Предметом дослідження є методи машинного навчання та аналітичні підходи для прогнозування розвитку цифрової економіки країни на основі ключових індикаторів цифрової трансформації. Задачами дослідження є: 1) визначити сутність та значення цифрової економіки країни; 2) проаналізувати стан цифрової економіки України та світу; 3) визначити проблему прогнозування розвитку цифрової економіки; 4) провести статистичний аналіз вхідного масиву дослідження; 5) провести регресійний аналіз; 6) охарактеризувати XGBoost, Дерево рішень та Випадковий ліс, як методи прогнозування розвитку цифрової економіки; 7) оцінити якість прогнозних моделей; 8) реалізувати прогнози на основі побудованих моделей; 9) перевірити якість отриманих прогнозів. Для досягнення поставленої мети та задач дослідження були використані такі методи дослідження: обробка та інтеграція даних, узагальнення основних результатів, поглиблене вивчення окремих аспектів, аргументація отриманих висновків, порівняльний аналіз та впорядкування даних, завдяки яким були сформульовані основні висновки. Для проведення розрахунків застосовувалися методи статистичного аналізу. Інформаційною базою кваліфікаційної роботи є інформаційно-аналітична платформа United Nations. Основний науковий результат кваліфікаційної магістерської роботи полягає у такому: були розроблені та протестовані моделі прогнозування розвитку цифрової економіки, використовуючи методи машинного навчання. Моделі були перевірені на наявність суттєвих економічних факторів, що впливають на розвиток цифрової економіки, що дозволило створити надійний прогноз для майбутніх періодів. Одержані результати можуть бути використані державними органами та для розробки ефективних стратегій у сфері цифрової трансформації, що сприятимуть сталому розвитку цифрової економіки. Роботу було виконано в рамках НДР № 0124U000544 Кібербезпекові та цифрові трансформації економіки країни воєнного часу: боротьба із кіберзлочинами, корупцією та тіньовим сектором.Item Розробка автоматизованої системи менеджменту контенту економічної аналітики з використанням інструментів штучного інтелекту(Сумський державний університет, 2024) Кочережченко, Р.Д.У сучасному світі економічна аналітика зіштовхується із зростаючим обсягом даних, що потребують обробки та аналізу. У цій роботі запропоновано автоматизовану систему менеджменту контенту економічної аналітики, інтегровану з інструментами штучного інтелекту. Розроблена система поєднує функції традиційних CMS із можливостями генеративного штучного інтелекту (ШІ), що дозволяє створювати, організовувати та аналізувати економічний контент. Мета роботи полягає у створенні ефективного інструменту для автоматизації управління контентом та використання ШІ для генерації результатів економічної аналітики. Об’єктом дослідження є створення системи управління контентом та автоматизація створення тексту з результатами економічної аналітики. Предмет дослідження: розробка модулів системи управління контентомта інтеграція програмного інтерфейсу провайдерів штучного інтелекту для забезпечення автоматизації результатів аналітики. У межах дослідження було проведено аналіз літератури, визначено основні виклики та перспективи впровадження ШІ в управління контентом. Розроблено прототип CMS із функціоналом для генерації статей за допомогою моделей GPT, налаштованих на економічну тематику. Для цього використано передові технології, такі як Node.js, PostgreSQL та Prisma, що забезпечують масштабованість і продуктивність системи. Практична цінність роботи полягає в можливості скорочення часу і витрат на створення економічного контенту, зокрема статей, за рахунок автоматизації процесів. Інноваційність рішення підтверджується інтеграцією обробки природної мови (NLP) із керуванням контентом. Отримані результати демонструють високий потенціал запропонованої системи для застосування в економічних дослідженнях, бізнес-аналітиці та автоматизації процесів управління даними. Розроблена система вирішує ключові проблеми, пов’язані зі складністю інтеграції ШІ, якістю згенерованого контенту та взаємодією з користувачем, сприяючи ефективнішій роботі в цифровій економіці.Item Використання машинного навчання для прогнозування змін курсів акцій на фондовому ринку(Сумський державний університет, 2024) Пейчев, І.І.У роботі було досліджено основні аспекти акцій на фондових ринках, їх сутність та різновиди, методи прогнозування, були проаналізовані статистичні дані та актуальні напрямки розвитку методів прогнозування. Було зпрогнозовано зміни курсу акцій за допомогою моделей машинного навчання. Основна мета дослідження полягала в використанні та оцінці моделей машинного навчання для прогнозування курсів цін акцій на фондовому ринку.Item Моделювання та прогнозування впливу рівня цифровізації на економічний розвиток(Сумський державний університет, 2024) Науменко, В.М.Актуальність теми, обраної для дослідження, визначається тим, що цифровізація економіки має значний вплив на всі аспекти економічного життя, створюючи нові можливості для підвищення продуктивності, зниження витрат та покращення якості життя. Водночас ці технології вимагають нових підходів до управління та регулювання економіки. Мета кваліфікаційної роботи полягає у вивченні існуючих підходів до моделювання економічного розвитку в умовах цифрової економіки та аналізі ефективності цих підходів з урахуванням сучасних технологічних тенденцій. Об’єктом дослідження є економічний розвиток країн в умовах цифровізації. Предметом дослідження є моделі машинного навчання, що використовуються для прогнозування економічних показників у контексті цифрової економіки. Завданням дослідження є аналіз впливу цифровізації на економічний розвиток та дослідження моделей машинного навчання, що застосовуються для прогнозування економічних показників. Для досягнення поставленої мети та задач дослідження були використані такі методи дослідження: аналіз літературних джерел, моделювання, статистичний аналіз, методи машинного навчання. Інформаційною базою кваліфікаційної роботи є наукові статті, монографії, дані міжнародних організацій та інформаційно-аналітичні матеріали, що стосуються цифровізації економіки. Основний науковий результат кваліфікаційної роботи полягає у такому: Встановлено, що моделювання економічного розвитку в умовах цифровізації вимагає використання складних моделей машинного навчання, які здатні обробляти великі обсяги даних та враховувати численні фактори. Виявлено, що нормалізація даних є критичним етапом передобробки даних, що забезпечує коректну роботу моделей машинного навчання. Одержані результати можуть бути використані для розробки стратегій економічного розвитку країн в умовах цифрової трансформації, а також для вдосконалення методів прогнозування економічних показників.Item Розробка модуля для автоматизованого аналізу фінансових звітів компаній з використанням машинного навчання(Сумський державний університет, 2023) Півень, А.В.Зростаючі обсяги фінансових даних та їх складність вимагають більш ефективних інструментів для їх обробки та аналізу. Традиційні методи фінансового аналізу часто вимагають значного часу та ресурсів, що може обмежувати оперативність прийняття рішень, а машинне навчання надає можливості для автоматизації та оптимізації процесів аналізу, підвищуючи точність та швидкість обробки інформації. Мета кваліфікаційної магістерської роботи полягає у розробці та вдосконаленню методів автоматизованого аналізу фінансових звітів на основі алгоритмів машинного навчання. У цьому контексті особливу увагу приділяється методам глибокого навчання та нейронним мережам, що сприяють автоматизації процесу аналізу фінансових звітів та їх подальшої інтерпретації. Для досягнення поставленої мети та задач дослідження були використані такі методи дослідження: численні методи, зокрема аналіз великих даних, машинне навчання, обробка природної мови, комп'ютерний зір, статистичний аналіз, експериментальний дизайн, крос-валідація та глибоке навчання. Інформаційною базою кваліфікаційної магістерської роботи є дані, зібрані з різноманітних джерел: фінансові звіти, наукові публікації, технічні документи, результати експериментів та датасети для тренування та тестування моделей машинного навчання. Основний науковий результат кваліфікаційної магістерської роботи полягає у використанні міждисциплінарного підходу у поєднанні теорій та методів з різних наукових областей, що сприяє глибшому розумінню та оптимізації процесів автоматизованої генерації тексту. Це відкриває нові перспективи для подальших досліджень та застосувань у промисловості та академічних колах.Item Розробка модуля для автоматизованого аналізу, класифікації та управління відгуками на товари за допомогою штучного інтелекту(Сумський державний університет, 2023) Кільдей, А.Д.Ця магістерська робота глибоко досліджує сферу класифікації та аналізу тексту, зокрема використовуючи техніки штучного інтелекту. Дослідження спрямоване на застосування алгоритмів машинного навчання, зокрема нейромереж, для ефективного побудови додатку для аналізу та класифікації текстової інформації. Результати дослідження відкривають нові можливості для подальших досліджень та розвитку в цьому сегменті