Кафедра комп’ютерних наук та програмної інженерії
Permanent URI for this communityhttps://ekhsuir.kspu.edu/handle/123456789/10330
Browse
109 results
Search Results
Item ІНТЕГРАЦІЯ BIN PICKING STUDIO З AURORA DESIGN ASSISTANT ДЛЯ ВИКОРИСТАННЯ СПІЛЬНОГО ФУНКЦІОНАЛУ(2025) Мельников, В. Ю.Ця робота присвячена розробці інтерфейсу між екосистемами Robot Operating Systems 1 та Open Platform Communications Unified Architecture. На сьогоднішній день існує обмежена кількість аналогічних інтерфейсів, більшість із яких написані для ROS2 або не оновлялися роками. З огляду на це, кваліфікаційна робота характеризується актуальністю. Метою кваліфікаційної роботи є розробка рішення для інтеграції Bin Picking Studio з Aurora Design Assistant шляхом створення моста між екосистемами ROS та OPC UA. Для досягнення зазначеної мети вивчається література по ROS, OPC UA. / This work is devoted to the development of the interface between ecosystems Robot Operating Systems 1 and Open Platform Communications Unified Architecture. Today, there exists a limited number of alternative libraries, but they are either written for ROS2 or not updated in years. Given this, the qualification work is characterized by relevance. The purpose of the qualification work is to develop a solution for integrating ROS and OPC UA. To achieve this goal, the literature on ROS, OPC UA is studied.Item АНАЛІТИКА КОРИСТУВАЦЬКОГО ДОСВІДУ ДЛЯ ІТ ПРОДУКТІВ ЗА ДОПОМОГОЮ А/В ТЕСТУВАННЯ ДЛЯ ПІДТРИМКИ ПРИЙНЯТТЯ РІШЕНЬ(2025) Лаба, О. С.Ця робота присвячена проведенню та аналізу результатів A/B тестування для вдосконалення ІТ-продукту на основі реальних користувацьких даних. У дослідженні використано власний веб-сайт, який слугує практичною платформою для перевірки гіпотез, оптимізації інтерфейсу та підвищення рівня конверсії. Під час роботи було розроблено методологію експериментального тестування, що включає формування гіпотез, збір і статистичний аналіз даних за допомогою Z-тесту та p-value. У процесі дослідження проведено серію експериментів, результати яких довели ефективність A/B тестування як інструменту гіпотезоорієнтованої розробки. Робота має практичне значення для розробників, маркетологів і дослідників UX, оскільки демонструє, як навіть невеликі зміни в структурі або контенті веб-сайту можуть суттєво впливати на поведінку користувачів та бізнес-результати.. / This work is devoted to the implementation and analysis of A/B testing aimed at improving an IT product based on real user data. The author used a self-developed website as a practical platform for hypothesis validation, interface optimization, and conversion rate improvement. The research developed an experimental methodology including hypothesis formulation, data collection, and statistical evaluation using Z-tests and p-values. A series of experiments demonstrated the effectiveness of A/B testing as a data-driven approach to product development. The study has practical significance for developers, marketers, and UX researchers, as it shows how even small adjustments in website structure or content can significantly affect user behavior and business performance.Item РОЗРОБКА СИСТЕМИ ГОЛОСУВАННЯ НА БЛОКЧЕЙН-ПЛАТФОРМІ ДЛЯ ДЕЦЕНТРАЛІЗОВАНИХ АВТОНОМНИХ ОРГАНІЗАЦІЙ ІЗ ЗАСТОСУВАННЯМ ТЕОРІЇ ІГОР(2025) Кірілков, Д. В.Ця робота присвячена проблемі створення ефективних механізмів управління в децентралізованих автономних організаціях (DAO) з використанням теоретико-ігрового підходу та технологій блокчейн. З огляду на це, кваліфікаційна робота характеризується актуальністю. є розробка механізму голосування для DAO, який за допомогою теоретико-ігрового підходу забезпечить прозорі та справедливі результати прийняття рішень і запобігатиме шахрайству при голосуванні. Дослідження базується на комплексному підході, який поєднує математичне моделювання, теорію ігор, розробку економічних стимулів та машинне навчання з підкріпленням (Q-learning). / This work is devoted to the problem of creating effective management mechanisms in decentralized autonomous organizations (DAOs) using a theoretical game approach and blockchain technologies. In this regard, the thesis is highly relevant. It involves the development of a voting mechanism for DAOs, which, using a game theory approach, will ensure transparent and fair decision-making and prevent voting fraud. The research is based on a comprehensive approach that combines mathematical modeling, game theory, the development of economic incentives, and reinforcement learning (Q-learning).Item РОЗРОБКА RFM-СТРАТЕГІЙ ДЛЯ СЕГМЕНТАЦІЇ КОРИСТУВАЧІВ МЕТОДАМИ МАШИННОГО НАВЧАННЯ(2025) Яшина, І. М.У роботі досліджено роль клієнтської аналітики в сучасній маркетинговій діяльності, зокрема застосування моделі RFM-аналізу у поєднанні з методами машинного навчання та інструментами штучного інтелекту. Розкрито етапи проведення RFM-аналізу, особливості класифікації клієнтів і формування сегментів за основними показниками – Recency, Frequency, Monetary. У роботі доведено, що впровадження алгоритмів машинного навчання підвищує точність прогнозування споживацької поведінки, сприяє автоматизації процесів обробки великих даних і дозволяє формувати персоналізовані маркетингові та цінові стратегії. Особливу увагу приділено використанню середовища RStudio для розрахунків і візуалізації результатів, а також можливостям ChatGPT у поясненні аналітичних висновків і генерації коду. Результати дослідження підтвердили, що поєднання класичного RFM-підходу з інтелектуальними технологіями забезпечує підвищення точності, ефективності та адаптивності маркетингових рішень у динамічному бізнес-середовищі. / This research explores the role of customer analytics in modern marketing, with a focus on the application of the RFM analysis model combined with machine learning methods and artificial intelligence tools. The study outlines the main stages of conducting RFM analysis, including client classification and segmentation based on the key parameters – Recency, Frequency, and Monetary value. It has been proven that the integration of machine learning algorithms enhances the accuracy of customer behavior prediction, facilitates the automation of big data processing, and enables the development of personalized marketing and pricing strategies. Special attention is given to the use of RStudio for calculations and data visualization, as well as to the potential of ChatGPT in interpreting analytical results and generating code. The findings confirm that combining the classical RFM approach with intelligent technologies increases the precision, efficiency, and adaptability of marketing decisions in a dynamic business environment.Item ВИКОРИСТАННЯ МАШИННОГО НАВЧАННЯ ДЛЯ ПЕРЕВІРКИ МОДЕЛЕЙ(2025) Савчук, О. О.У магістерській роботі досліджено застосування методів машинного навчання для автоматизації процесу перевірки програмних та математичних моделей. Робота присвячена аналізу сучасних проблем тестування, які виникають у складних інженерних системах, та обґрунтуванню доцільності використання інтелектуальних алгоритмів для підвищення ефективності процесу верифікації. У роботі проаналізовано класичні методи перевірки моделей, їхні обмеження та недоліки. Запропоновано архітектуру системи перевірки, що поєднує машинне навчання з методами статистичного аналізу для виявлення помилок, прогнозування ризиків і автоматичної пріоритезації тестів. Проведено експериментальні дослідження, які довели, що застосування ансамблевих моделей (Random Forest, SVM, Neural Networks) дозволяє підвищити точність виявлення дефектів і зменшити час тестування до 35%. Особливу увагу приділено побудові архітектури системи, методам підготовки даних, а також практичній реалізації моделей у середовищах TensorFlow і Scikit-learn. Отримані результати доводять, що використання машинного навчання у процесах перевірки моделей забезпечує вищу ефективність, адаптивність і точність у порівнянні з традиційними підходами. In this master’s thesis, methods of machine learning are investigated as tools for automating the process of verifying software and mathematical models. The research focuses on identifying limitations of classical verification methods and proposing an intelligent architecture that integrates ML algorithms to improve testing accuracy and efficiency. The proposed system combines statistical analysis with supervised and ensemble learning methods (Random Forest, SVM, Neural Networks) to detect errors, predict risks, and prioritize testing procedures. Experimental results confirm that machine learning allows reducing verification time by up to 35% while increasing defect detection accuracy. The work also explores data preprocessing, model evaluation metrics, and practical implementation using TensorFlow and Scikit-learn. The research demonstrates that integrating ML techniques into verification processes enhances adaptability and reliability of engineering systems.Item ТЕОРЕТИКО-МЕТОДОЛОГІЧНІ ЗАСАДИ ЗАСТОСУВАННЯ ШТУЧНОГО ІНТЕЛЕКТУ ПІД ЧАС ВИВЧЕННЯ АНГЛІЙСЬКОЇ МОВИ(2025) Ревенко, Є. С.Кваліфікаційна робота присвячена дослідженню теоретико-методологічних засад застосування технологій штучного інтелекту у процесі вивчення англійської мови. У роботі розкрито сутність і класифікацію сучасних технологій ШІ, проаналізовано їх роль у формуванні мовних компетентностей та окреслено методологічні принципи їх використання. Особливу увагу приділено моделюванню інтеграції систем штучного інтелекту у цифрове освітнє середовище університету (KSU24), а також створенню семантичної моделі індивідуальної освітньої траєкторії, розробленої на основі технологій семантичного вебу (RDF/OWL, SPARQL) та механізмів логічного виведення. / The qualifying paper examines the theoretical and methodological foundations of using artificial intelligence technologies in English language learning. The study outlines the essence and classification of modern AI tools, analyzes their role in developing language competencies, and identifies key methodological principles for their application. Special attention is given to modeling the integration of AI systems into the university’s digital learning environment (KSU24) and to developing a semantic model of an individual learning trajectory based on Semantic Web technologies (RDF/OWL, SPARQL) and reasoning mechanisms.Item АНАЛІЗ ДОХОДНОСТІ ФІНАНСОВИХ ІНСТРУМЕНТІВ З ВИКОРИСТАННЯМ МАШИННОГО НАВЧАННЯ З ПІДКРІПЛЕННЯМ ДЛЯ АДАПТИВНОГО УПРАВЛІННЯ ДИВЕРСИФІКОВАНИМ ІНВЕСТИЦІЙНИМ ПОРТФЕЛЕМ(2025) Фоменко, Л. С.У кваліфікаційній роботі досліджено можливості використання методів машинного навчання з підкріпленням для оптимізації структури інвестиційного портфеля та підвищення ефективності управління ризиками. Розглянуто теоретичні засади формування диверсифікованого портфеля, моделі оцінювання доходності фінансових інструментів та підходи до адаптивного прийняття рішень у динамічних ринкових умовах. У роботі побудовано модель на основі алгоритму Q-learning, що дозволяє агенту навчатися оптимальним стратегіям розподілу капіталу між активами з урахуванням історичних даних, волатильності та ризикового профілю. Здійснено порівняльний аналіз результатів моделі з традиційними методами портфельного аналізу, зокрема моделлю Марковіца. Практичну реалізацію виконано з використанням мов програмування Python та бібліотек TensorFlow і pandas. Отримані результати підтверджують, що застосування підходів з підкріпленням забезпечує підвищення стабільності прибутковості портфеля та здатність моделі адаптуватися до змін ринкової кон’юнктури. / The thesis explores the application of reinforcement learning methods for optimizing investment portfolio structure and improving risk management efficiency. The study examines the theoretical foundations of diversified portfolio formation, models for evaluating the profitability of financial instruments, and adaptive decision-making approaches in dynamic market environments. A Q-learning-based model was developed, enabling an agent to learn optimal capital allocation strategies among assets based on historical data, volatility, and risk profile. A comparative analysis of the proposed model and traditional portfolio analysis methods, including the Markowitz model, was conducted. The practical implementation was carried out using Python and the TensorFlow and pandas libraries. The results demonstrate that reinforcement learning approaches enhance portfolio profitability stability and allow the model to adapt effectively to changing market conditions.Item ПРОГРАМНЕ СЕРЕДОВИЩЕ НАВЧАЛЬНОГО ПРИЗНАЧЕННЯ З ТЕМИ “СУФІКСНІ ДЕРЕВА ТА СКІНЧЕНІ АВТОМАТИ – ЕФЕКТИВНІ СТРУКТУРИ ДАНИХ ТА АЛГОРИТМИ ЗАДАЧІ ПОШУКУ ЗРАЗКА У ТЕКСТІ”(2025) Миргородський, Д. Є.Кваліфікаційна робота присвячена розробці веб-орієнтованого програмного засобу навчального призначення (ПЗНП), призначеного для поглибленого вивчення алгоритмів пошуку зразка в тексті, а саме Суфіксних Дерев та Скінченних Автоматів. Основна мета роботи полягала у створенні інтерактивного комплексу, який поєднує структурований гіпертекстовий навчальний посібник із функціоналом покрокової графічної візуалізації алгоритмів. В межах проєкту реалізовано багатошарову архітектуру на базі Python/Flask та SQLite, що дозволило впровадити ключовий елемент — систему керування навчанням (LMS-функціонал). Ця система забезпечує рольову модель доступу (Студент, Викладач) та функцію трекінгу прогресу студентів, фіксуючи їхню активність і результати проходження інтерактивних завдань. Робота демонструє високий рівень інженерної кваліфікації через застосування сучасних технологій візуалізації та обґрунтований порівняльний аналіз часової складності реалізованих алгоритмів. / The qualification work is dedicated to the development of a web-oriented Educational Software Tool (EST), designed for in-depth study of string pattern matching algorithms, namely Suffix Trees and Finite Automata. The main objective of the work was to create an interactive complex that combines a structured hypertext training manual with the functionality of step-by-step graphical visualization of algorithms. The project implemented a multi-tier architecture based on Python/Flask and SQLite, which allowed for the implementation of a key feature: a Learning Management System (LMS functionality). This system provides a role-based access model (Student, Teacher) and a progress tracking function, recording student activity and the results of completing interactive assignments. The work demonstrates a high level of engineering qualification through the application of modern visualization technologies and a substantiated comparative analysis of the time complexity of the implemented algorithms.Item ВИКОРИСТАННЯ МЕТОДІВ МАШИННОГО НАВЧАННЯ ДЛЯ ДОВЕДЕННЯ ТЕОРЕМ(2025) Болюк, І. І.Кваліфікаційна робота присвячена дослідженню та розробці методів машинного навчання для автоматизації процесу доведення математичних теорем. Актуальність теми зумовлена обмеженнями класичних алгоритмічних підходів, які стикаються з проблемою комбінаторного вибуху при пошуку доказів у складних формальних системах. У роботі проведено аналіз сучасних архітектур (Transformer, Graph Neural Networks) та методологій навчання (Supervised Learning, Reinforcement Learning). Розроблено експериментальну гібридну систему, що поєднує формальне середовище (симулятор логіки висловлювань) та агента на основі графової нейронної мережі (GNN), реалізованого за допомогою бібліотеки PyTorch Geometric. Практична частина включала створення синтетичного набору даних (50000 прикладів), навчання моделі для вибору тактик доведення та ітеративне вдосконалення компонентів системи (парсера, словника токенів). Навчена модель досягла точності 79.3% на валідаційній вибірці. У фінальному тестуванні агент продемонстрував здатність самостійно доводити 50% тестових теорем, успішно застосовуючи вивчені логічні патерни. Результати дослідження підтверджують перспективність використання GNN як евристичного інструменту для керування пошуком доказів та окреслюють напрями для подальшого вдосконалення, зокрема впровадження стратегій пошуку променем (Beam Search). / The master's thesis is devoted to the research and development of machine learning methods for automating the process of mathematical theorem proving. The relevance of the topic is driven by the limitations of classical algorithmic approaches, which face the problem of combinatorial explosion when searching for proofs in complex formal systems. The paper analyzes modern architectures (Transformer, Graph Neural Networks) and learning methodologies (Supervised Learning, Reinforcement Learning). An experimental hybrid system was developed, combining a formal environment (propositional logic simulator) and an agent based on a Graph Neural Network (GNN), implemented using the PyTorch Geometric library. The practical part involved creating a synthetic dataset (50000 examples), training the model for proof tactic selection, and iteratively improving system components (parser, token vocabulary). The trained model achieved an accuracy of 79.3% on the validation set. In final testing, the agent demonstrated the ability to independently prove 50% of the test theorems, successfully applying learned logical patterns. The research results confirm the promise of using GNNs as a heuristic tool for guiding proof search and outline directions for future improvements, particularly the implementation of Beam Search strategies.Item ВІЗУАЛІЗАЦІЯ ЗАКОНІВ І ЯВИЩ З ФІЗИКИ В 9 КЛАСІ ЗА ТЕХНОЛОГІЄЮ ДОПОВНЕНОЇ РЕАЛЬНОСТІ(2025) Проценко, Д. Є.Магістерська робота присвячена розробці навчального застосунку для візуалізації законів і явищ з фізики 9 класу з використанням технології доповненої реальності. Актуальність дослідження полягає в потребі сучасних інтерактивних засобів навчання, що підвищують наочність та ефективність засвоєння матеріалу. Метою роботи є створення програмного продукту, який дозволяє демонструвати фізичні процеси у тривимірному середовищі та забезпечує взаємодію користувача з AR-моделями. У ході роботи проаналізовано технології AR та інструменти розробки освітніх застосунків. Результатом є застосунок, що може використовуватися як ефективний додатковий засіб навчання фізики. / The master's thesis is devoted to the development of an educational application for visualizing 9th-grade physics laws and phenomena using augmented reality technology. The study is relevant due to the need for modern interactive learning tools that enhance clarity and improve the effectiveness of material comprehension. The aim is to create a software product that demonstrates physical processes in a 3D environment and enables interaction with AR models. The work includes analysis of AR technologies and tools for educational application development. The result is an application that can serve as an effective supplementary tool for learning physics.