F3 Комп'ютерні науки

Permanent URI for this collection

https://ekmair.ukma.edu.ua/handle/123456789/18301

Освітня програма: "Комп'ютерні науки"

Browse

Now showing 1 - 20 of 198

Порівняльний аналіз класичних та глибинних методів прогнозування часових рядів на прикладі погодинних цін на ринку електроенергії
(2026) Анікіна, Анастасія; Салата, Кирило
Кваліфікаційну роботу присвячено порівняльному аналізу класичних та глибинних методів прогнозування часових рядів на прикладі погодинних цін на ринку електроенергії. У роботі досліджено три класичні моделі (Seasonal Naive, SARIMA, Holt-Winters) та три глибинні (LSTM, GRU, Transformer) на даних німецького та українського ринків електроенергії за період липень 2022 – грудень 2025. Проведено розвідувальний аналіз даних та виявлено ключові відмінності між вільним та регульованим ринками. Експерименти реалізовано із використанням стратегії ковзного вікна на трьох фолдах різних сезонів. Проаналізовано вплив структурних характеристик ринку, зокрема цінового регулювання, на ефективність прогнозування. Практична частина роботи містить реалізацію повного експериментального дослідження мовою Python.
Застосування великих мовних моделей (LLM) для автоматизованої обробки та анотації мультимедійного контенту
(2026) Голянська, Тетяна ; Афонін, Андрій
У кваліфікаційній роботі досліджено можливості використання великих мовних моделей для автоматичної семантичної анотації мультимедійного контенту. Розглянуто теоретичні засади аналізу зображень, відео та аудіо, проблему семантичного розриву, принципи побудови й функціонування великих мовних та мультимодальних моделей, а також сучасні підходи до генерації текстових описів і семантичних тегів. У практичній частині спроєктовано та реалізовано прототип системи автоматичної анотації мультимедійного контенту, що забезпечує обробку зображень, відеофайлів та аудіозаписів через єдиний програмний інтерфейс. Система підтримує використання кількох моделей, формує уніфіковану структуровану відповідь, зберігає результати обробки та надає можливість їх подальшого порівняння. Обґрунтовано архітектуру системи, визначено її функціональні та нефункціональні вимоги, описано основні етапи обробки мультимедійних даних. В експериментальній частині сформовано тестовий набір даних, підготовлено еталонні анотації та проведено оцінювання якості роботи системи за сукупністю автоматичних метрик. На основі одержаних результатів виявлено сильні сторони й обмеження використаних моделей, а також окреслено напрями подальшого вдосконалення системи.
Instrumental analysis and forecasting of financial market behavior using NLP and LSTM
(2026) Hrynchuk, Tymofii ; Gorokhovsky, Kyrylo
Long Short-Term Memory (LSTM) networks remain a widely used baseline for financial time-series forecasting, but most published studies focus on a single prediction target with a fixed feature set. This makes it difficult to answer a practical question: which types of additional information actually help, and for which prediction tasks? This research investigates the contribution of two feature modalities – NLP-derived sentiment and numerical technical analysis (TA) patterns – to four specialised LSTM prediction tasks on 4-hour BTCUSDT data from January 2022 to January 2026. The four tasks are: next-candle return regression, three-class directional classification (DOWN / NEUTRAL / UP), ZigZag reversal detection, and pump/dump event classification. Each task is handled by an independent LSTM model, allowing taskspecific loss functions and Optuna hyperparameter searches. A controlled ablation study runs each model under four feature configurations: Experiment A (53 baseline features), Experiment B (+2 NLP features, 55 total), Experiment C (+14 TA pattern features, 67 total), and Experiment D (all features combined, 69 total). The NLP pipeline processes over 3,5M deduplicated texts from seven sources through FinBERT to produce per-window sentiment scores. Results show that feature relevance is strongly task-dependent. NLP sentiment provides the largest marginal improvement for return prediction and directional accuracy. TA patterns provide the largest improvement for reversal detection (AUC rising from 0.668 to 0.703). Pump and dump detection benefits substantially only when both modalities are combined (Experiment D raises accuracy from 69.2% to 81.5% and event F1 from 26.8% to 31.3%).
Інтелектуальні підходи до моделювання та інтеграції цифрових двійників у виробничі системи
(2026) Долбня, Наталія ; Савченко, Тетяна
У роботі досліджено інтелектуальні підходи до моделювання та інтеграції цифрових двійників у виробничі системи. Актуальність теми зумовлена необхідністю підвищення ефективності управління виробничими процесами та точності прогнозування показників роботи обладнання. Метою роботи є підвищення точності прогнозування тривалості виробничого циклу в дискретній виробничій системі шляхом розробки методики контекстно-залежної параметричної ідентифікації цифрового двійника. У роботі проаналізовано сучасні підходи до побудови цифрових двійників у виробничих системах, досліджено методи інтелектуального моделювання та виконано формалізацію дискретної виробничої системи. Розроблено програмний прототип цифрового двійника на основі дискретно-подієвої моделі виробничої лінії з двома обробними машинами та проміжним буфером. Проведено експериментальні дослідження ефективності запропонованого підходу, результати яких показали підвищення точності прогнозування виробничих показників.
Адаптивне прогнозування фінансових часових рядів в умовах потокового надходження даних
(2026) Зінченко, Анна ; Салата, Кирило
Метою роботи є дослідження та оцінювання ефективності підходів до адаптивного прогнозування фінансових часових рядів на прикладі цін на нафту WTI, ряду з високим рівнем волатильності, із виявленням концептуального дрейфу та порівняльним аналізом із базовими офлайн-моделями.
Інтелектуальна система для аналізу та прогнозування ризиків у публічних просторах
(2026) Косів, Христина ; Бучко, Олена
У межах даної роботи запропоновано розробку інтелектуальної системи моніторингу ризикових ситуацій, яка поєднує методи геопросторової аналітики та комп’ютерного зору. Основною ідеєю такого підходу є перехід від звичайного збереження інформації про вже здійснені події до автоматизованого аналізу та виявлення потенційно небезпечних ситуацій.
Інтелектуальна система прийняття рішень для оптимізації дорожньої карти SaaS-продукту
(2026) Лога, Анна ; Савченко, Тетяна
У кваліфікаційній роботі досліджено задачу планування дорожньої карти SaaS-продукту за умов частих змін вимог, обмеженої місткості команди та залежностей між продуктовими ініціативами. У таких умовах традиційне планування релізів часто спирається на експертні оцінки і не завжди показує, чому одні функції мають бути реалізовані раніше за інші. Метою роботи є розробка прототипу інтелектуальної системи підтримки прийняття рішень для формування дорожньої карти продукту. У системі використано нечітке оцінювання ініціатив, багатокритеріальне ранжування та ресурсно-обмежене планування релізів. Така комбінація методів дає змогу враховувати стратегічну відповідність, бізнес-релевантність, терміновість, ризик, трудомісткість і залежності між ініціативами. У роботі проаналізовано підходи до управління SaaS-продуктами, методи пріоритизації функціональних вимог і моделі підтримки прийняття рішень. На основі цього реалізовано прототип, у якому користувач задає сценарій планування, стратегічні цілі, продуктові ініціативи, місткість релізів та залежності між роботами. Після обробки цих даних система формує рейтинг ініціатив, пропонує розподіл робіт між релізами та надає пояснення до отриманого плану. Експериментальна перевірка виконувалася на підготовлених сценаріях із порівнянням оптимізованої дорожньої карти з базовим планом. Результати показали, що запропонована модель може покращувати якість планування за вибраними метриками, зокрема стратегічною цінністю, покриттям цілей, використанням місткості релізів і дотриманням залежностей.
Automated development environment using an agent-based approach and Model Context Protocol (MCP)
(2026) Matsevytyi, Andrii ; Kundik, Kyrylo
The primary goal of this work is to design and implement a scalable, locally deployable AI agent capable of executing end-to-end software development tasks on consumer-grade hardware.
Розробка Android-застосунку для класифікації жестів ASL-абетки на основі ключових точок руки з використанням машинного навчання
(2026) Моргун Антон ; Салата, Кирило
У дипломній роботі досліджено сучасні методи автоматичного розпізнавання жестів рук із використанням технологій комп’ютерного зору та машинного навчання. Розроблено модель класифікації статичних жестів американської жестової мови (ASL) на основі координат 21 ключової точки кисті, отриманих за допомогою бібліотеки MediaPipe Hands. Для реалізації класифікації використано нейронну мережу TensorFlow з подальшим конвертуванням у TensorFlow Lite. На основі навченої моделі створено Android- застосунок, що забезпечує розпізнавання жестів у режимі реального часу та перетворення їх у текст. Додатково реалізовано навчальний і тестовий режими, які дозволяють використовувати застосунок як тренажер для вивчення жестової мови. Отримані результати підтверджують можливість використання розробленої системи як основи для подальшого створення мобільних засобів підтримки комунікації людей із порушеннями слуху.
Графові нейронні мережі як генератор мутацій для еволюційного пошуку геометричних реалізацій повних графів на поверхнях роду g
(2026) Негруб, Андрій ; Радзієвська, Олександра
У роботі представлено GEODE – модульну систему пошуку геометричних реалізацій суміжнісних многогранників, що поєднує еволюційний пошук, диференційовний проксі-функції втрат та E(3)-еквіваріантний графовий нейронний коректор градієнта. Ключова інновація полягає у формулюванні корекції GNN як адитивної поправки до градієнта, а також порівняння її ефективності з чистим еволюційним пошуком. Систему застосовано до 60-річної відкритої проблеми про існування геометричної реалізації K12 – суміжнісного многогранника із 12 граней на торі роду 6 із 44 вершинами та 66 ребрами. Технічна реалізація включає батчовий GPU- розрахунок геометричних предикатів, параметризацію через нормалі граней (площинність за побудовою), 4-етапний курикулум тренування коректора та симетрійну редукцію простору пошуку через проєктор-оператор для груп Z2, Z3, Z4, V4, S3, A4. Експериментальне дослідження охоплює надані топології K12, а також валідацію на K7 (многогранник Сіласі) як еталоні правильності системи. Головний результат – конфігурація на топології 49 під Z₄-симетрією та відкритою конвенцією підрахунку, що досягає c = 0, i = 0 із 16 дотиковими подіями типу vertex-on-edge. Це є найближчою відомою реалізацією K12 на цій топології за поєднання обраної симетрії та конвенції. GNN-коректор знижує середнє c + i на ~12% при будь-якому режимі симетрії, Z₂-симетрія знижує середнє c + i на ~22% при будь-якому режимі коректора. Ефекти майже адитивні; найкращий середній результат (c + i = 8.4) досягається саме за поєднання обох компонентів. Базова реалізація градієнтного спуску GEODE без коректора і без симетрії демонструє результати, близькі до базового методу (середнє 12.3 проти 12.9). Зафіксовано також покращення на топології 42: 0c/2i (b = 4) під Z₂-симетрією та відкритою конвенцією проти 0c/4i Razorcross .
AI-платформа для аналізу та прогнозування інвестиційної привабливості криптовалютних монет
(2026) Немилостива, Поліна ; Савченко, Тетяна
Дипломна робота присвячена розробці архітектури та програмного прототипу AI-платформи для аналізу та прогнозування інвестиційної привабливості криптовалют. У роботі обґрунтовано вибір LSTM-нейронної мережі з механізмом ковзного вікна для прогнозування цінових часових рядів та розроблено методологію багатокритеріального оцінювання на основі п'яти зважених компонентів — волатильності, тренду, обсягу торгівлі, ринкової капіталізації та технічних індикаторів. Реалізовано тришарову архітектуру платформи з чотирьох програмних модулів, інтегрованих через REST API на Flask. За результатами тестування підтверджено відповідність платформи визначеним вимогам та прийнятний рівень точності прогнозування. Ключові слова: криптовалюта, інвестиційна привабливість, LSTM, машинне навчання, технічний аналіз, часовий ряд, Flask, REST API.
Порівняння підходів точного налаштування та використання зовнішніх джерел знань у великих мовних моделях для виявлення фейкових новин
(2026) Пєчкурова, Евеліна ; Кирієнко, Оксана
Метою дослідження кваліфікаційної роботи є порівняльний аналіз методів адаптації великих мовних моделей, що охоплюватиме визначення критеріїв їх порівняння, дослідження реальних прикладів використання та особливостей практичної імплементації, а також – формування рекомендацій щодо вибору.
Метрики ідентифікації кіберугрупувань: характеристики почерку як інструмент атрибуції в контексті російсько-української війни
(2026) Пілат, Єва ; Пасюк, Богдан
Об’єктом дослідження є процес атрибуції кібератак та ідентифікації кіберугрупувань, зокрема російських державних та продержавних APT-груп, що діють проти України. Предметом дослідження є метрики та характеристики цифрового почерку, які дозволяють кількісно оцінити подібність та довести організаційну приналежність нападників. Мета роботи полягає у розробці та систематизації багатовимірних метрик ідентифікації кіберугрупувань на основі їхнього "цифрового почерку" для підвищення ефективності атрибуції в умовах російсько-української війни. У роботі досліджено теоретичні основи аналізу тактик, технік, процедур (TTPs), кодової стилометрії та компільованих артефактів (PDB, RICH-заголовки) як ключових ідентифікаторів у кіберпросторі. Проаналізовано специфіку провідних російських угрупувань: масовість Gamaredon, деструктивний фокус Sandworm та шпигунський інструментарій APT28. Розроблено оригінальну математичну композитну метрику, що оцінює подібність APT-груп у чотирьох вимірах: технічному (TTP-профіль), стратегічному (цільові сектори), інструментальному (спільне ПЗ) та тактичному (розподіл за категоріями ATT&CK). Практична частина (Proof-of-Concept) реалізована мовою Python на базі 13 APT-груп з використанням даних MITRE ATT&CK. Експериментально доведено обмеженість традиційного одновимірного TTP-підходу, який дає від'ємну дискримінантну здатність (Δ = -0,007). Застосування багатовимірної композитної моделі забезпечило статистично значуще покращення дискримінантної здатності на рівні країни-походження угрупувань (Δ зросло з −0,007 до 0,038, p = 0,027 за перестановочним тестом) та зниження середнього рангу еталонних зв'язків у списку пар (у найкращій конфігурації — з 37,8 до 28,8 позиції). Водночас надійне розрізнення на рівні окремих спецслужб обмежене малим обсягом доступної вибірки. Практичне значення отриманих результатів полягає у створенні інструменту аналітичної підтримки (CTI), що допомагає пріоритизувати цілі для подальшого розслідування, посилювати кіберзахист та формувати доказову базу для притягнення держави-агресора до міжнародної відповідальності
Розробка адаптивного алгоритму для підвищення точності зчитування QR-кодів
(2026) Прокопчук, Богдана ; Поздняков, Євген
У кваліфікаційній роботі досліджено проблему підвищення точності зчитування QR-кодів у складних умовах формування зображення. Актуальність теми зумовлена широким використанням QR-кодів у сучасних інформаційних системах, мобільних сервісах, логістиці, електронній ідентифікації та автоматизованих системах обліку, де важливими є точність, швидкість і стабільність розпізнавання. У реальних умовах якість зчитування може знижуватися через нерівномірне освітлення, тіні, відблиски, шум, розмиття, перспективні спотворення, малий розмір QR-коду в кадрі, часткове пошкодження його структури або порушення тихої зони. Метою роботи є розроблення адаптивного алгоритму для підвищення точності зчитування QR-кодів шляхом поєднання базових засобів розпізнавання з методами попередньої обробки зображень та каскадною організацією повторних спроб декодування. Об’єктом дослідження є процес автоматичного зчитування QR-кодів із цифрових зображень. Предметом дослідження є методи попередньої обробки зображень, вибору сценарію обробки та повторного декодування, що впливають на точність і стабільність розпізнавання QR-кодів за наявності візуальних деградацій. У роботі проаналізовано структуру QR-коду, основні етапи його машинного зчитування, чинники погіршення якості зображень та особливості використання програмних засобів OpenCV, ZBar і pyzbar. Для реалізації запропонованого підходу використано методи комп’ютерного зору, зокрема перетворення зображення у відтінки сірого, фільтрацію шуму, підвищення локального контрасту, бінаризацію, підсилення різкості, морфологічні операції, локальний пошук області інтересу та геометричне вирівнювання. Розроблений алгоритм передбачає оцінювання якості вхідного зображення, визначення ймовірного типу деградації, вибір доцільного набору методів попередньої обробки, послідовне застосування декількох варіантів підготовки зображення та повторне зчитування QR-коду за допомогою базових декодерів. Така каскадна організація дає змогу уникати надмірної обробки простих зображень і водночас підвищувати ймовірність успішного декодування у складніших сценаріях. Експериментальне оцінювання виконано на наборі тестових зображень і відеокадрів із різними типами деградацій. Для порівняння використано прямі базові методи зчитування, комбінований базовий режим без адаптивної попередньої обробки та фіксований підхід до локального порогового перетворення. Ефективність оцінювалася за часткою успішних зчитувань, повним збігом декодованого вмісту з еталонним значенням, часовими характеристиками, стійкістю до різних типів спотворень і структурою етапів, на яких було отримано успішний результат. Практичне значення роботи полягає у створенні програмного модуля, який може бути використаний як основа для систем автоматичного зчитування QR- кодів із зображень різної якості. Запропонований підхід може застосовуватися в задачах автоматичної ідентифікації, логістичного маркування, інвентаризації, безконтактної авторизації та інших прикладних сценаріях, де необхідні стабільність розпізнавання, точність декодування і помірний час обробки.
Суперпiксельна сегментацiя зображень за допомогою клiтинних автоматiв iз GPU-паралелiзацiєю
(2026) Радченко, Валентин ; Жежерун, Олександр
В даній роботі досліджено актуальність сегментації зображень на суперпікселі та коротко оглянуто сучасні методи. Також теоретично оглянуто та досліджено перспективність клітинних автоматів в цьому напрямку, розроблено алгоритм та оптимізовано його виконання на графічному процесорі. Наостанок проведено експерименти, які показують вплив значень різних параметрів розробленого алгоритму клітинного автомату на якість сегментації зображень. Якість сегментації оцінено загальноприйнятими метриками на датасеті BSDS500.
Розробка платформи для побудови інклюзивних маршрутів та каталогізації безбар’єрних локацій
(2026) Рудник, Богдан ; Федюченко, Михайло
Кваліфікаційну роботу присвячено розробці спеціалізованої вебплатформи для побудови інклюзивних маршрутів у місті Києві, що поєднує функції навігації для маломобільних груп населення та каталогізації безбар’єрних об’єктів інфраструктури. У роботі проаналізовано наявні рішення у сфері інклюзивної маршрутизації, виявлено їхні обмеження та обґрунтовано необхідність інтеграції відкритих краудсорсингових даних OpenStreetMap із цифровою моделлю рельєфу Copernicus DEM для виявлення локальних перешкод. Запропоновано модифікацію стандартного пайплайну обробки топологічного графа, що дозволяє зберігати інформацію про короткі ділянки з критичним нахилом, які раніше втрачалися під час спрощення мережі. Розроблено функцію вартості для зважування ребер графа з підтримкою різних профілів мобільності користувача. Реалізовано та експериментально порівняно три алгоритми пошуку найкоротшого шляху: Дейкстри, A* та двонаправленого A*. Платформу розроблено у вигляді клієнт-серверного застосунку. Серверну частину реалізовано засобами FastAPI з графом в оперативній пам’яті на базі NetworkX; клієнтську частину – на Next.js з картографічним компонентом Leaflet; для зберігання POI-каталогу та краудсорсингових даних використано СУБД PostgreSQL з розширенням PostGIS.
Оптимізація процесів стиснення даних у веб-застосунках із застосуванням технологій штучного інтелекту
(2026) Свіріна, Дар’я ; Савченко, Тетяна
У дипломній роботі розроблено інтелектуальну адаптивну систему стиснення даних для оптимізації роботи користувачів цифрових освітніх платформ. Теоретична частина дослідження базується на фундаментальних концепціях теорії інформації (ентропія Шеннона) та аналізі сучасних наукових підходів до автоматизованого вибору стратегій компресії. Особливу увагу приділено синтезу власних реалізацій класичних методів стиснення (Хаффмана, LZW, JPEG) та сучасних вебстандартів з предиктивними моделями машинного навчання. У практичній частині реалізовано веб-застосунок, що використовує модель випадкових лісів (Random Forest) для динамічного прогнозування оптимальних алгоритмів на основі превентивного аналізу ентропійних характеристик і структури файлів. Наукова новизна роботи полягає у розробці гібридного методу селективної компресії складних контейнерних форматів (PDF, DOCX) та впровадженні механізму персоналізованої адаптації на основі навчання з підкріпленням (RLHF). Результати тестування підтвердили, що використання ШІ дозволяє автоматизувати підбір параметрів, забезпечуючи високу швидкість відгуку системи без ручного налаштування. Авторська реалізація алгоритмів забезпечила високу ефективність стиснення при збереженні візуальної якості (за метриками PSNR, SSIM). Проектування інтерфейсу на засадах UI/UX (авторизація, історія обробки, профіль користувача) оптимізує взаємодію із системою та спрощує управління персоналізованими процесами компресії.
Автоматизована система для обробки медичних зображень за допомогою машинного навчання (на прикладі пневмонії)
(2026) Сичова, Марія ; Кундік, Кирило
Метою кваліфікаційної роботи є розробка автоматизованої системи для обробки та аналізу медичних зображень із використанням методів машинного навчання на прикладі виявлення пневмонії. У результаті створено систему на основі згорткових нейронних мереж, доповнених механізмами уваги, що класифікує рентгенівські знімки легень та візуалізує ділянки зображень, які найбільше вплинули на рішення моделей. Система також підтримує ансамблювання моделей і донавчання на нових даних та має інтуїтивно зрозумілий графічний інтерфейс.
Дослідження впливу стратегій негативної вибірки на ефективність двобаштових рекомендаційних моделей
(2026) Соломенний, Денис ; Макарець, Андрій
У роботі досліджено вплив стратегій негативної вибірки на ефективність двобаштових рекомендаційних моделей. Розглянуто навчання на неявному зворотному зв’язку, принцип двобаштової архітектури та роль негативних прикладів у формуванні навчального сигналу. Метою роботи є аналіз і експериментальна оцінка стратегій негативної вибірки, а також формування практичних рекомендацій щодо їх використання. У практичній частині реалізовано двобаштову модель і порівняно рівномірну вибірку, вибірку за популярністю, жорстку, динамічну, змішану жорстку, пакетну, змішану пакетну вибірку та вибірку з поступовим ускладненням. Експерименти проведено на наборах даних Gowalla і MovieLens 100K. Результати показали, що пакетна та змішана пакетна вибірка забезпечують найкращу позиційну якість рекомендацій. При цьому пакетна вибірка є практично доцільнішою завдяки близькій якості та меншому часу навчання. Серед методів зі складними негативними прикладами найкращий результат показала вибірка з поступовим ускладненням.
Оптимізація розміру та структури графа знань для RAG систем
(2026) Стецюк, Інна ; Андрощук, Максим
У кваліфікаційній роботі досліджено проблему оптимізації розміру та структури графа знань для Retrieval-Augmented Generation систем та реалізовано алгоритм оптимізації графа знань шляхом усунення надлишковості та структурної нормалізації. Запропонована оптимізація включає, зокрема збереження фактів у графовій базі даних Neo4j, дедублікацію сутностей, об’єднання схожих вузлів, видалення транзитивно- надлишкових і слабкоінформативних зв’язків, а також подальше використання оптимізованого графа як джерела знань у LightRAG. Практична цінність полягає у підвищенні ефективності RAG-систем, що є актуальним для корпоративних систем управління знаннями, аналітичних платформ та інтелектуальних асистентів.

Browse

Recent Submissions