НАУКОВІ РОБОТИ ЗДОБУВАЧІВ ВИЩОЇ ОСВІТИ

Permanent URI for this communityhttps://ekhsuir.kspu.edu/handle/123456789/10243

Browse

Search Results

Now showing 1 - 7 of 7
  • Item
    ВИКОРИСТАННЯ ШІ В НАУКОВО-ДОСЛІДНІЙ РОБОТІ УНІВЕРСИТЕТУ
    (2025) Бахір, Х. О.
    У дипломній роботі розглянуто теоретичні та практичні аспекти використання штучного інтелекту (ШІ) у науково-дослідницькій діяльності університетів. Проведено аналіз сучасних напрямів застосування ШІ в автоматизації обробки наукових текстів, прогнозуванні результатів досліджень та оптимізації експериментальної діяльності. Запропоновано та реалізовано прототип інтелектуальної системи для підтримки дослідницького процесу, що демонструє ефективність у класифікації, аналізі та узагальненні наукових даних. Робота має практичну цінність для вищих навчальних закладів та дослідницьких інститутів. The bachelor’s thesis explores the theoretical and practical aspects of artificial intelligence (AI) application in university research activities. The work analyzes current trends in using AI for automating scientific text analysis, predicting research outcomes, and optimizing experimental processes. A prototype of an AI-powered system was proposed and implemented to support the research process by classifying, analyzing, and summarizing scientific data. The developed system demonstrates high efficiency and can be useful for higher education institutions and research centers.
  • Item
    РОЗРОБКА ПЕРСОНАЛІЗОВАНОЇ ЦІНИ ДЛЯ КОРИСТУВАЧІВ НА БЛОКЧЕЙН-ТЕХНОЛОГІЇ ДЛЯ ПРОДУКТІВ З БІЗНЕС МОДЕЛЛЮ FREEMIUM
    (2025) Волик, Д. Р.
    У даній роботі розглядається розробка персоналізованої ціни для користувачів на основі блокчейн-технологій у рамках бізнес-моделі Freemium. Досліджено можливості інтеграції децентралізованих рішень для забезпечення прозорості та безпеки цінових механізмів. Основний акцент зроблено на використанні машинного навчання, зокрема методу Q-learning, для оптимізації політик ціноутворення на основі аналізу поведінкових даних користувачів. Для сегментації клієнтів застосовано RFM-D аналіз та кластеризацію методом K-means, що дозволяє адаптивно визначати найбільш ефективні підходи до встановлення ціни. Запропонована система сприяє підвищенню залученості користувачів та максимізації прибутковості продуктів у моделі Freemium. This work considers the development of a personalized price for users based on blockchain technologies within the Freemium business model. The possibilities of integrating decentralized solutions to ensure transparency and security of pricing mechanisms are explored. The main emphasis is placed on the use of machine learning, in particular the Q-learning method, to optimize pricing policies based on the analysis of user behavioral data. For customer segmentation, RFM-D analysis and K-means clustering are applied, which allows to adaptively determine the most effective approaches to pricing. The proposed system helps to increase user engagement and maximize product profitability in the Freemium model.
  • Item
    ПРОГНОЗУВАННЯ ДИНАМІКИ ЦІН КРИПТОВАЛЮТ З ВИКОРИСТАННЯМ ТЕХНІКИ МАШИННОГО НАВЧАННЯ
    (2024) Молікевич, Р. С.
    У роботі проведено комплексний аналіз цін та прибутковості 15 криптовалют із використанням моделей машинного навчання та методів оптимізації портфеля. Зокрема, застосовано модель XGBoost для прогнозування цін криптовалют, що виявило їхню високу волатильність та залежність від ринкових коливань. Модель Марковіца використано для оптимізації інвестиційного портфеля з метою досягнення найкращого співвідношення прибутковості та ризику. Також розглянуто можливість стейкінгу криптовалют для додаткового приросту капіталу. На основі отриманих даних запропоновано стратегію автоматичних продажів активів при досягненні прогнозованих цін для підвищення ефективності інвестиційної діяльності. / This study provides a comprehensive analysis of the prices and profitability of 15 cryptocurrencies using machine learning models and portfolio optimization methods. In particular, the XGBoost model was applied for cryptocurrency price forecasting, revealing their high volatility and dependence on market fluctuations. The Markowitz model was used to optimize the investment portfolio to achieve the best possible return-to-risk ratio. Additionally, the potential of staking cryptocurrencies for extra capital growth was explored. Based on the obtained data, a strategy for automatic asset sales at forecasted prices was proposed to enhance investment efficiency.
  • Item
    ПОРІВНЯЛЬНЕ ОЦІНЮВАННЯ МЕТОДІВ МАШИННОГО НАВЧАННЯ ДЛЯ ПРОГНОЗУВАННЯ ЦІН НА НЕРУХОМОСТІ
    (2024) Федченко, К. О.
    Ця робота досліджує методи машинного навчання для використання у веб-сервісах, що прогнозують ціни на нерухомість, враховуючи різні характеристики квартир. У роботі розглянуто використання моделей машинного навчання та аналіз схожих квартир для визначення середніх ринкових цін. Вона також обговорює виклики, пов'язані з інтеграцією прогнозування цін у реальному часі в існуючі веб-платформи, та пропонує рішення для автоматизованого аналізу цін на основі великого масиву даних. Ця робота є корисною для розробників веб-сервісів, аналітиків нерухомості та орендодавців, які прагнуть підвищити ефективність оцінки ринкових цін. / This work explores machine learning methods for use in web services that predict real estate prices based on various apartment characteristics. The paper examines the use of machine learning models and the analysis of similar apartments to determine average market prices. It also discusses challenges associated with integrating real-time price prediction into existing web platforms and proposes solutions for automated price analysis based on large datasets. This work is valuable for web developers, real estate analysts, and landlords aiming to improve the efficiency of market price evaluation.
  • Item
    РОЛЬ ШТУЧНОГО ІНТЕЛЕКТУ В УПРАВЛІННІ ПОРТФЕЛЕМ ЦІННИХ ПАПЕРІВ
    (2024) Кажаєв, М. В.
    У сучасному світі штучний інтелект (ШІ) відіграє ключову роль у багатьох аспектах фінансових ринків, зокрема в управлінні портфелем цінних паперів. Ця анотація розглядає, як ШІ використовується для аналізу даних, прогнозування цінових тенденцій, оптимізації інвестиційних стратегій та ризик-менеджменту. Обговорюються основні методи та техніки, такі як машинне навчання, аналіз великих даних та нейронні мережі, які дозволяють автоматизувати процеси прийняття рішень у фінансовому управлінні. Підкреслюється значення ШІ у покращенні ефективності та точності прогнозування на фондовому ринку, що робить його незамінним інструментом для сучасних управителів портфелів. In today's world, artificial intelligence (AI) plays a crucial role in various aspects of financial markets, particularly in securities portfolio management. This abstract explores how AI is utilized for data analysis, price trend forecasting, investment strategy optimization, and risk management. Key methods and techniques such as machine learning, big data analytics, and neural networks are discussed, highlighting their automation capabilities in decision-making processes within financial management. The significance of AI in enhancing efficiency and accuracy of market predictions is underscored, making it an indispensable tool for modern portfolio managers.
  • Item
    НЕЙРОННІ МЕРЕЖІ
    (2023) Крижановський, С. В.
    Ця робота присвячена огляду нейронних мереж, їх перспектив, напрямків розвитку, а також того, як вони були корисними в минулому і як вони будуть корисними в майбутньому. Крім того, ми прагнемо визначити основні проблеми, з якими стикаються нейронні мережі, і запропонувати шляхи їх вирішення. Для досягнення цих цілей ми розглянемо історію та типи нейронних мереж, вивчимо їх поточні застосування та майбутні тенденції, а також дослідимо їх потенціал у різних галузях. Ми також проаналізуємо основні проблеми, з якими стикаються нейронні мережі, і запропонуємо шляхи покращення їхньої продуктивності та забезпечення етичного використання. / This work is devoted to the review of neural networks, their prospects, directions of development, as well as how they have been useful in the past and how they will be useful in the future. In addition, we aim to identify the main problems faced by neural networks and propose ways to solve them. To achieve these goals, we will review the history and types of neural networks, examine their current applications and future trends, and explore their potential in various fields. We will also analyze the main challenges faced by neural networks and suggest ways to improve their performance and ensure ethical use.
  • Item
    МЕТОДИКА ВИВЧЕННЯ ШТУЧНОГО ІНТЕЛЕКТУ НА УРОКАХ ІНФОРМАТИКИ
    (2022) Тиніна, А. Л.
    Дана робота присвячена розробці методики вивченню штучного інтелекту на уроках інформатики.