Факультет інформатики
Permanent URI for this collection
Browse
Browsing Факультет інформатики by Title
Now showing 1 - 20 of 340
Results Per Page
Sort Options
Item Advanced Computer Vision with TensorFlow(2022) Загоруйко, ОльгаДаний курс є частиною спеціалізації TensorFlow: Advanced Techniques Specialization від DeepLearning.AI. DeepLearning.AI TensorFlow: Advanced Techniques Specialization представляє особливості TensorFlow, які надають учням більше контролю над архітектурою моделей та інструментами, які допомагають їм створювати й навчати розширені моделі машинного навчання. Ця спеціалізація призначена для інженерів програмного забезпечення та машинного навчання на початку та в середині кар’єри, які мають фундаментальне розуміння TensorFlow та хочуть розширити свої знання та навички, вивчаючи розширені функції TensorFlow для створення потужних моделей.Item AI for text generation: Review of the main algorithms and frameworks for text generation(2023) Кузьомко, Ярина; Курочкін, АндрійКурсова робота присвячена дослідженню основних алгоритмів генерації тексту, зокрема Марковським моделям, рекурентним нейронним мережам (RNN), довгочасним короткочасним пам'ятям (LSTM), генеративним змагальним моделям (GAN) та generative pre-trained transformer (GPT). Вона також охоплює огляд GPT-3 та дослідження його можливостей, перспектив розвитку та загроз. Крім того, проведено дослідження здібностей сучасного штучного інтелекту на основі українського національного мультипредметного тесту, використовуючи ChatGPT-3.5 та проведено аналіз результатів тесту, порівняння їх з результатами учасників НМТ 2022.Item Automated Сoursework Evaluation Using NLP and DL(2023) Кузьменко, Юрій; Смиш, ОлегУ курсовій роботі розглянуто створення та аналіз моделі глибокого навчання для класифікації текстів із використанням сучасних технік обробки природної мови. У роботі описано детальний аналіз текстів природної мови та аналіз методів для вилучення змістовних ознак з текстів. Кінцевий програмний продукт дає змогу оцінювати тексти за шкалою від 1 до 3.Item Aналіз використання протоколу MQTT при побудові IoT систем(2023) Цегельник, Богдан ; Андрощук, МаксимУ цій роботі розглянуті основні можливості та переваги MQTT. Проаналізовано інші популярні у Інтернеті речей протоколи, такі як HTTP та CoAP у порівняння із MQTT. Також у роботі розглянута реалізація IoT системи з використанням протоколу MQTT та платформи Home Assistant як хабу. У системі використано симуляцію фізичних пристроїв, які працюють у ній за допомогою протоколу MQTT. Детально описані процеси реалізації та налаштування системи.Item Development of a course on learning the Rust programming language and its usage in developing DApps using Substrate framework(2022) Михайленко, Олександр; Гороховський, КирилоSubstrate is a versatile blockchain development framework, based on the Rust programming language. While being well documented, Substrate is hard to learn without a thought-through approach – just taking on the documentation is not enough & will get the learner not much knowledge. Therefore, here we develop a course that explains the Rust programming language, basic blockchain development primitives, describes functioning models of different popular blockchains, and finally gives an overview of Substrate with some examples.Item Domain Adaptation for Object Detection(2023) Шпіганович, Владислав; Швай, НадіяThis work covers a topic of domain adaptation for object detection, reviews methods used for semi-supervised domain adaptation and researches method for domain adaptive object detection, which is based on one-stage YOLOv5, which is superior in inference time. During experiments, we evaluate possible good hyperparameter changing strategies and apply knowledge distillation based model compressing technique. The results show validity of discussed method and confirm, that knowledge transferring techniques may help in domain adaptation.Item Elasticsearch як ядро пошукової системи(2020) Федусов, Сергій; Глибовець, АндрійЗадача побудови пошукової системи вимагає чіткого розуміння аспектів сфери її використання, таких як: об’єм пошукових даних, кількість користувачів, кількість пошукових запитів в секунду (rps). Що робити, коли даних багато та навантаження на систему велике? Сучасні пошукові системи мають наступні базовіфункції: швидкий повнотекстовий пошук, фільтрацію, сортування і ранжування документів, нечіткий пошук, швидке збереження та індексування структурованих даних. Необхідність отримувати результати пошукових запитів за мілісекунди, маючи десятки або сотні гігабайт інформації вимагає використання ефективних алгоритмів та структур даних. Окрім цього, сама система повинна гарантувати цілісність та відмовостійкість. Надає необхідний функціонал та задовольняє наведені вимоги пошуковий двигун Elasticsearch. Для демонстрації можливостей індексації, пошуку та аналізу було використано статистичні дані поширення вірусу COVID-19, опубліковані університетом Джона Гопкінса [5]. Для ілюстрації індексованих даних поширення вірусу було використано Kibana - інструмент для візуалізації даних з Elasticsearh. Мета роботи - розглянути можливості пошукового двигуна Elasticsearch, виконати індексацію та аналіз тестових даних. Постановка задачі 1. Ознайомитися з базовим функціоналом пошукового двигуна Elasticsearch. 2. Дослідити алгоритми та структури даних, що використовуються для індексації. 3. Розглянути архітектуру пошукового двигуна. 4. Застосувати Elasticsearch для індексації та аналізу тестових даних.Item Forex торговий бот мовою Rust(2022) Маслов, Нікіта; Бабич, ТрохимУ цій роботі розглянеться, як створити повноцінну автоматизовану систему торгівлі на Forex: як облаштувати універсальну інфраструкту для тестування стратегій на історичних даних, як оптимізувати стратегію для найкращих фінансових результатів, як запрограмувати виконавця стратегій для торгівлі в реальному часі, як краще налаштувати торгову систему на сервері.Item Forex торговий бот мовою Rust(2022) Маслов, Нікіта; Бабич, ТрохимУ цій роботі розглянеться, як створити повноцінну автоматизовану систему торгівлі на Forex: як облаштувати універсальну інфраструкту для тестування стратегій на історичних даних, як оптимізувати стратегію для найкращих фінансових результатів, як запрограмувати виконавця стратегій для торгівлі в реальному часі, як краще налаштувати торгову систему на сервері.Item Frontend розробка на основі React(2022) Богута, Станіслав; Бабич, ТрохимМетою цієї роботи є дослідити різні види та підходи до frontend розробки. Провести порівняльний аналіз різних підходів, а також розробити свій frontend застосунок, який буде вирішувати нагальні проблеми користувача.Item Frontend розробка на основі React(2022) Богута, Станіслав; Бабич, ТрохимУ даній роботі розглядаються принципи розробки та види frontend застосунків. Детально розглядається та пояснюється вибір React для розробки frontend застосунків. На прикладі розробленого застосунку розглядаються проблеми написання застосунку та шляхи їх вирішення за допомогою React та додаткових бібліотек, які працюють разом із React. Детально розглядається використання компонентів для створення ефективного та підтримуємого застосунку, який надає весь необхідний функціонал кінцевому користувачу.Item Implementation of the face recognition system using deep learning methods(2023) Shpir, M.; Yushchenko, YuriThe study is devoted to an important direction of AI - the application of deep learning of neural networks for face recognition. The text focuses on the effectiveness of siamese neural networks in face recognition. Attention is paid to the improvement of one of the most popular varieties of Siamese models - FaceNet model. The technology for creating fine-tuning of neural network models for training on given data sets has been applied. To solve the problem of recognizing people from their images, the training of the Siamese model was carried out using the proposed settings and their effectiveness was evaluated. A face recognition system was implemented using a fine-tuned model to demonstrate the effectiveness of the proposed method.Item Iмбалансно-графiчнi графи(2022) Сердюк, Андрій; Козеренко, СергійОсновною метою цiєї роботи є пошук класiв графiв, якi є iмбалансно-графiчними, а також розгляд операцiй на графах у контекстi цiєї проблеми.Item Iмбалансно-графiчнi графи(2022) Сердюк, Андрiй; Козеренко, СергійОсновною метою цiєї роботи є пошук класiв графiв, якi є iмбалансно- графiчними, а також розгляд операцiй на графах у контекстi цiєї проблемиItem Line graphs and digraphs(2022) Dekhtiar, Bohdan-Yarema; Kozerenko, SergeyWe give the most widely used characterization of line graphs, along with the characterization of line graphs of trees. We go on to Whitney isomorphism theorem, which shows that the root graph of a line graph is unique (with 1 exception), characterization of graphs isomorphic to their line graphs, and several results about bipartite graphs.Item NLP: створення парсера для резюме(2023) Парнак, Дмитро; Смиш, ОлегМетою дослідження є проаналізувати поточний стан розробки програмних рішень для обробки текстів, написаних природною українською мовою, та за допомогою них створити ефективний парсер резюме.Item NLP: створення парсера для структурування рецептів.(2023) Буга, Яна; Смиш, ОлегМетою цієї курсової роботи є аналіз сучасних рішень обробки природної української мови та дослідження використання таких рішень для розробки парсера, здатного структурувати та класифікувати кулінарні рецепти, написані українською мовою. Для досягнення цієї мети поставлено таке завдання: створення системи для аналізу кулінарних рецептів з використанням методів обробки природної української мови.Item NLP: Створення парсера для структурування тексту вакансій(2022) Золотаревич, О.; Смиш, ОлегУ роботі описано основні етапи розробки програми, яка здійснює структуризацію вхідних даних природною мовою в обраній галузі. Обґрунтовано методи та інструменти аналізу, на базі яких було створено та оптимізовано парсер, як результат цієї роботи. Парсер на вхід отримує мало структуровану інформацію і перетворює її у структуровану.Item NLP: створення парсера для структурування тексту оголошень нерухомості(2023) Махиня, Анастасія; Смиш, ОлегМета дослідження полягає у тому, щоб проаналізувати наявні рішення обробки природньої української мови й розглянути можливість використання такого рішення для створення парсера для структурування текстів оголошень нерухомості.Item NLP: створення парсера для судових рішень(2023) Пелович, Дмитро; Смиш, ОлегУ роботі описано реалізацію прикладу програми для обробки текстів судових рішень судочинної системи України. Програма базується на використанні технологічних можливостей засобів обробки природної української мови, що охоплює аналіз текстів судових рішень, метою якого є пошук належних закономірностей у текстах задля створення відповідних правил вичленення необхідної інформації. Кінцевий програмний продукт надає можливість формування уніфікованої структури на базі текстів судових рішень. Метою дослідження є аналіз наявних методів обробки текстів СР та розглядання можливості реалізації власної програми з використанням наявних технологій засобів обробки природної мови (далі — ТЗОПМ).