http://biblio.umsf.dp.ua/xmlui/handle/123456789/6394 2026-04-07T08:57:42Z http://biblio.umsf.dp.ua/xmlui/handle/123456789/7458 Название: Застосування машинного навчання для аналізу даних споживання електроенергії Авторы: Звоненко, Б. Є. Аннотация: Кваліфікаційна робота магістра присвячена дослідженню застосування методів машинного навчання для аналізу та прогнозування даних споживання електроенергії. Машинне навчання, як один із найперспективніших напрямків сучасної науки, надає нові можливості для виявлення закономірностей у великих обсягах даних, створення точних моделей прогнозування, оптимізації використання ресурсів та підвищення стабільності енергетичних мереж. У роботі проведено детальний аналіз предметної області, охарактеризовано сучасні методи обробки та прогнозування даних у сфері енергетики. Зокрема, розглянуто статистичні підходи, методи регресії, класифікації, кластеризації та алгоритми глибокого навчання. Особливу увагу приділено нейронним мережам, таким як рекурентні моделі та LSTM, які здатні ефективно працювати з часовими рядами, враховуючи довгострокові залежності та вплив зовнішніх факторів, таких як погодні умови, сезонність і соціально-економічні зміни. Практична значимість роботи полягає в розробці і впровадженні систем прогнозування та аналізу, які дозволяють енергетичним компаніям оптимізувати витрати, підвищити ефективність розподілу ресурсів, попереджати аварійні ситуації та сприяти екологічній стійкості. 2025-03-10T00:00:00Z http://biblio.umsf.dp.ua/xmlui/handle/123456789/7457 Название: Навчання нейронної моделі для аналізу даних фінансових ринків Авторы: Жмур, Є. В. Аннотация: Магістерська робота присвячена дослідженню проблеми аналізу та прогнозування динаміки фінансових ринків із використанням сучасних методів машинного та глибокого навчання. У ході дослідження було проаналізовано структуру та механізми функціонування фінансових ринків, а також фактори, які впливають на їхню динаміку. Особливу увагу приділено типології ринкових процесів і аналізу сучасних публікацій, що дало змогу оцінити обмеження існуючих підходів і визначити перспективні напрями вдосконалення методології прогнозування. У роботі запропоновано нову архітектуру нейронної мережі, яка дозволяє враховувати багатофакторний характер фінансових даних, і розроблено методику їхньої попередньої обробки для ефективного навчання моделі. Експериментальні результати підтвердили високу точність прогнозів, отриманих за допомогою розробленої моделі. Наукова новизна роботи полягає у створенні оригінальної нейронної моделі, удосконаленні підходів до попередньої обробки фінансових даних і використанні сучасних алгоритмів навчання для врахування стохастичної природи ринкових процесів. Практична значимість результатів визначається можливістю їхньої інтеграції у фінансово-аналітичну діяльність інвестиційних компаній, банківських установ і корпорацій. 2025-03-10T00:00:00Z http://biblio.umsf.dp.ua/xmlui/handle/123456789/7456 Название: Інформаційна система багатофакторної автентифікації за допомогою ланцюгів Маркова в умовах ризику та невизначеності Авторы: Задерій, О. Д. Аннотация: Метою роботи є розробка інформаційної системи для оптимізації багатофакторної автентифікації в умовах ризику та невизначеності за допомогою ланцюгів Маркова. Дана робота присвячена вивченню методів багатофакторної автентифікації, що враховують ризики та невизначеності шляхом використання ланцюгів Маркова для прогнозування ймовірності успішного проходження кожного етапу автентифікації. Основна увага в роботі зосереджена на формалізації ймовірностей успішного виконання кожного з етапів і прогнозуванні можливих ризиків та загроз на основі марковських моделей. Особливістю даної розробки є оптимізація процесу багатофакторної автентифікації, що дозволяє підвищити рівень безпеки інформаційних систем, враховуючи змінні умови та потенційні загрози, зберігаючи при цьому зручність користувачів. Такі алгоритми дозволяють створювати адаптивні системи автентифікації, здатні ефективно працювати в умовах невизначеності та мінімізувати ризики. 2025-03-10T00:00:00Z http://biblio.umsf.dp.ua/xmlui/handle/123456789/7455 Название: Розроблення рекомендаційної системи для онлайн-платформ електронної комерції Авторы: Соболь, А. Б. Аннотация: Магістерська робота присвячена дослідженню та розробці рекомендаційної системи для онлайн-платформ електронної комерції, що є актуальним завданням у сучасних умовах стрімкого розвитку цифрової економіки. У роботі розглянуто теоретичні основи електронної комерції, роль і значення онлайн-платформ у глобальній економіці, а також їхній вплив на споживчу поведінку. Особливу увагу приділено аналізу існуючих підходів до побудови рекомендаційних систем, серед яких виділено методи контентної, колаборативної та гібридної фільтрації. У межах роботи детально досліджено проблеми, що виникають під час розроблення та впровадження рекомендаційних систем, зокрема проблему «холодного старту», розрідженості даних і перевантаження інформацією. Запропоновано алгоритмічні та архітектурні рішення для подолання цих викликів, зокрема застосування передових методів машинного навчання, аналізу великих даних і використання гібридних моделей. Практична частина роботи включає розроблення прототипу рекомендаційної системи для онлайн-платформи електронної комерції. Розроблена система орієнтована на персоналізацію рекомендацій для користувачів на основі їхніх попередніх дій, інтересів та поведінкових патернів. 2025-03-10T00:00:00Z