Search

Магістерська дисертація: 111 с., 40 рис., 21 табл., 1 дод., 38 джерел. Дана робота присвячена дослідженню методів вирішення задачі регресії на фотографії. Об’єктом дослідження є набір фотографій домашніх тварин, їх метадані, а також штучні згорткові нейронні мережі. Предметом дослідження є прогнозування неперервної зміни популярності фотографії домашньої тварини. Метою дослідження є аналіз та підвищення якості роботи та вибір найкращого рішення серед обраних кандидатів для вирішення поставленої задачі. Актуальність роботи полягає в тому, що наразі кількість домашніх тварин в притулках зростає, а одним з факторів усиновлення тварин є перший погляд на її фото на веб сторінці притулку. Наразі вибір найкращого фото в більшості випадків робиться у ручному режимі, без інтелектуальних методів аналізу та машинного навчання для автоматизації процесу та відкидання людського фактору. Результатом роботи є розроблена модель, що може прогнозувати цільову зміну клікабельності фотографії домашньої тварини. Master’s thesis: 111 p., 40 fig., 21 tabl., 1 appendix., 38 ref. This work is devoted to the study of methods for solving the regression problem in photography. The object of the study is a set of photos of pets, their metadata, as well as artificial convolutional neural networks. The subject of the research is to predict the continuous variable in the popularity of pet photography. The aim of the study is to analyze and improve the quality of the model and choose the best solution among the selected candidates to solve the problem. The urgency of the work is that currently the number of pets in shelters is growing, and one of the factors in the adoption of animals is the first look at its photo on the website of the shelter. Currently, the selection of the best photo in most cases is done manually, without intelligent methods of analysis and machine learning to automate the process and reject the human factor. The result is a developed model that can predict the target variable in the clickability of a photograph of a pet.

Магістерська дисертація виконана на 87 сторінках, містить 7 ілюстрацій, 21 таблиць 16 джерел та 1 додаток. Об’єктом дослідження є рекомендаційні системи товарів. Предметом дослідження є методи та алгоритми формування рекомендацій. Актуальність роботи полягає в тому, що існує принципова проблема побудови рекомендаційних систем, а саме – проблема масштабованості. Наявність проблеми масштабованості вимагає від алгоритмів рекомендаційних систем можливість необмеженого нарощування числа користувачів, так і числа варіантів можливих рекомендацій. В той же час нарощування не повинно вимагати заміни у коді програми реалізації алгоритмів та повторної обробки всіх вже оброблених даних. Розробка алгоритмів, що вирішують цю проблему, дозволяє будувати рекомендаційні системи, які є адаптивними по відношенню до зростання кількості користувачів та товарів. Мета дослідження є розробка рекомендаційної системи для вибору фільмів яку не потрібно повністю перенавчати з плином часу та додаванням нових фільмів. Новизною роботи являється реалізація нейронної мережі яка може необмежено нарощувати варіанти рекомендації, та її навчання за допомогою методів навчання з підкріпленням. The master's dissertation is made on 87 pages, contains 7 illustrations, 21 tables of 16 sources and 1 appendice. The object of research is product recommendation systems. The subject of research is methods and algorithms for forming recommendations. The urgency of the work is that there is a fundamental problem of building recommendation systems, namely - the problem of scalability. The presence of the problem of scalability requires from the algorithms of recommendation systems the possibility of unlimited increase in the number of users and the number of options for possible recommendations. At the same time, the build should not require replacement in the code of the program implementation of algorithms and reprocessing of all already processed data. The development of algorithms that solve this problem allows you to build recommendation systems that are adaptable to the growing number of users and products. The aim of the study is to develop a recommendation system for the selection of films that does not need to be completely retrained over time and the addition of new films. The novelty of the work is the implementation of a neural network that can indefinitely increase the options for recommendation, and its training using reinforced learning methods.

Магістерська дисертація виконана на 117 сторінках, містить 49 ілюстрацій, 20 таблиць 25 джерел та 1 додаток. Актуальність. Научно-технологічний прогрес призвів до активного використання безлічі інформаційних та кіберфізичних систем у повсякденному житті. Безліч систем в сфері астрономії, медицині, юриспруденції, промисловості, безпеки та інформаційних технологій використовують зображення отримані цифровими фото- та відеокамерами. Постає задача аналізу отриманих даних, а отже є необхідність в розробці системи, яка була б здатна покращувати якість зображень для подальшої їх обробки та інтерпретації. Об’єкт дослідження: задача поліпшення роздільної здатності цифрових зображень. Предмет дослідження: методи і моделі глибоких нейронних мереж а також генеративних нейронних мереж. Методи дослідження, застосовані у даній роботі, базуються на методах машинного навчання та експертної оцінки. Наукова новизна одержаних результатів — розроблено систему, що може генерувати зображення із збільшеною роздільною здатністю різними сучасними методами. The master's dissertation is made on 117 pages, contains 49 illustrations, 20 tables of 25 sources and 1 appendix. Topicality. Scientific and technological progress has led to the active use of many information and cyberphysical systems in everyday life. Many systems in the fields of astronomy, medicine, law, industry, security and information technology use images obtained with digital cameras and video cameras. The task is to analyze the data obtained, and therefore there is a need to develop a system that would be able to improve the quality of images for further processing and interpretation. Object of research: the task of improving the resolution of digital images. Subject of research: methods and models of deep neural networks and generative neural networks. The research methods used in this paper are based on methods of machine learning and expert evaluation. Scientific novelty of the obtained results - a system has been developed that can generate super resolution images with various state of the art methods.

Магістерська дисертація: 158 с., 31 рис., 54 табл., 1 додаток, 23 джерела. Дана робота присвячена дослідженню методів інтелектуального аналізу даних у задачах кластеризації, а також методів прогнозування часових рядів у сфері сталого розвитку. Об’єктом дослідження є показники сталого розвитку країн ООН. Предметом дослідження являються методи машинного навчання, статистичні критерії адекватності, критерії якості кластеризації, часові ряди. Метою дослідження є побудова системи, яка дозволятиме виконувати якісну кластеризацію даних та короткострокові прогнози показників сталого розвитку. Актуальність роботи полягає в необхідності розробки такої системи, яка би дозволила виділити кластери тих країн, які відстають від плану сталого розвитку світу та виокремити ті цілі сталого розвитку, які найгірше виконуються кожною країною ООН. Результатом роботи являється система підтримки прийняття рішень, яка виконує кластеризацію за вхідними даними – показниками сталого розвитку для країн ООН, а також виконує прогнозування показників на короткостроковий період. Новизною роботи являється розробка нової оригінальної системи підтримки прийняття рішень, яка надає ряд переваг стосовно обробки даних, зокрема, можливість подубови ряду моделей інтелектуального аналізу даних, їх адаптації до вхідних даних, комбінування отриманих результатів кластеризації. The topic: Clustering and state forecasting of the UN countries using sustainable development indexes. Master’s thesis: 158 p., 31 figures, 54 tables, 1 supplement, 23 sources. This work is devoted to the study of methods of data mining in clustering problems, as well as methods of forecasting time series in the field of sustainable development. The object of the study is the indicators of sustainable development of the UN countries. The subject of the study are the methods of machine learning, statistical criteria of adequacy, quality criteria of clustering, time series. The aim of the study is to build a system that will perform high-quality data clustering and short-term forecasts of sustainable development indicators. The relevance of the work lies in the need to develop a system that would identify clusters of countries that lag behind the plan of sustainable development of the world and identify those sustainable development goals that are worst met by each UN country. The result of the work is a decision support system that performs clustering of input data - indicators of sustainable development for UN countries, as well as performs forecasting of indicators for the short term. The novelty of the work is the development of a new original decision support system, which provides a number of advantages regarding data processing, in particular, the ability to build a number of models of data mining, their adaptation to input data, combining the results of clustering.

Магістерська дисертація: 144 с., 70 рис., 30 табл., 1 додаток, 18 джерел. Дана робота присвячена дослідженню методів прогнозування нестаціонарних фінансових рядів, а також вплив різних зовнішніх факторів на якість їх прогнозів. Об’єктом дослідження є фондові акції компаній та їх прогноз. Предметом дослідження являються нестаціонарні фінансові часові ряди, методи машинного навчання для їх обробки, вплив зовнішніх подій на прогнози та статистичні критерії для оцінки адекватності моделей. Метою дослідження є побудова системи підтримки прийняття рішень, яка допомагатиме учасникам фондового ринку створювати свої короткострокові та довгострокові стратегії. Також задачею є побудова прогнозів з та без урахування зовнішніх факторів, щоб дослідити, який метод прогнозування є ефективнішим. Актуальність роботи полягає в тому, що учасники фондового ринку мають потребу в інструментах прогнозу ціноутворень акцій компаній для своєї діяльності, у той час як ідеального інструменту все ще не існує. Результатом роботи являється система підтримки прийняття рішень, яка прогнозує коливання акцій компаній з та без урахування зовнішніх факторів, порівнює їх ефективність та надає кращий результат кінцевому користувачу. Новизною роботи являється аналіз зовнішніх факторів на ціноутворення акцій компаній. The topic: Modeling of influence of the external factors on stock prices. Master thesis: 144 p., 70 fig., 30 tabl., 1 appendix, 18 ref. This work is devoted to the study of methods for forecasting non-stationary financial series and the influence of various external factors on the quality of forecasts. The object of the study is the company's stock prices and their forecast. The subject of the research is non-stationary time series, machine learning methods for their processing, the influence of external factors on the forecasts and statistical criteria for assessing the adequacy of models. The aim of the study is to build a decision support system that helps stock market participants create their own short-term and long-term strategies. Also the task is to make forecasts with and without taking into account external factors to investigate which forecasting method is more effective. The relevance of the work is that stock market participants need to forecast the companies stock prices for their business, while the perfect tool still does not exist. The result of the work is a decision support system that predicts the stock prices of companies with and without external factors, compares their effectiveness and gives the best result to the end user. A novelty of the work is the analysis of external factors that influence the stock pricing of companies.

Магістерська дисертація: 94 с., 9 рис., 25 табл., 1 додаток, 23 джерела. Дана робота присвячена дослідженню методів моделювання маркетингового впливу на цільові аудиторії споживачів та побудові нової моделі для вирішення подібних задач. Об’єктом дослідження є маркетингові комунікації. Предметом дослідження є моделювання маркетингового впливу на клієнтів компаній з певними характеристиками, методи навчання з підкріпленням, марківські ланцюги, метрики для оцінки реакції на взаємодію. Метою дослідження є побудова системи для аналізу та моделювання реакції споживачів на маркетингові дії, що дають змогу визначати необхідність цільового впливу маркетингової кампанії на певну групу людей. Актуальність роботи полягає в моделюванні реакції на маркетингову взаємодію, яка потрібна компаніям, що розвиваються або ставлять собі за мету розширення цільової аудиторії та збільшення обсягів продажу. Методи uplift моделювання дають змогу оцінити чистий ефект від взаємодії і не витрачати кошти на клієнтів, яким реклама не потрібна. Результатом роботи є побудована система для моделювання маркетингово впливу на споживачів на основі їх характеристик. Новизною роботи є введення моделі Марківських ланцюгів для задач даного виду. Master’s thesis: 94 pp., 9 fig., 25 tables., 1 appendix, 23 sources. Theme of the work is: "Markov chains for determining optimal marketing treatment of various groups of people" Object of research is marketing communications. The subject of research is modeling marketing impact on customers of companies with certain characteristics, Markov chains, metrics for uplift modeling. Purpose of the work is to build a system for analyzing and modeling consumer response to marketing actions, which allows to determine the need for targeted impact of the marketing campaign on a particular group of people. The relevance of the work is that modeling the response to marketing interactions is needed by all companies that are currently developing or just want to increase their audience. Uplift modeling techniques allow you to assess the net effect of the interaction and not spend money on customers who do not need advertising. The result is a system for modeling marketing impact on consumers based on their characteristics. The novelty of the work is the introduction of the model of Markov chains for this problem.

Магістерська дисертація 149 с., 117 рис., 26 табл., 1 додатки, 21 джерел. Об'єктом дослідження є сегментаційні маски зображень. Предметом дослідження є алгоритми створення сегментаційних масок, методи глибокого навчання. Мета дослідження: 1. Розробити алгоритм генерації сегментаційних масок, використовуючи тільки класи зображень. 2. Використати даний алгоритм на датасеті зображень і оцінити його. Новизна: запропонований градієнтний алгоритм до цього не використовувався для генерації масок всього датасету. Також сама проблема генерації розмітки на сьогодні тільки набуває популярності. В даній роботі було розглянуто градієнтний алгоритм для генерації сегментаційних масок, оптимізуючи модель лише на класах зображень. Отримані результати свідчать про перспективність використання даного методу. Також було запропоновано можливі шляхи удосконалення алгоритму. В результаті було оптимізовано алгоритм, який згенерував розмітку для вибірки зображень з дефектними листами сталі. Master's Thesis 149 pp., 117 Fig., 26 tables, 1 supplements, 21 sources. The object of the study is segmentation image masks. The subject of the study is an algorithm that generates segmentation image masks, using deep neural nets. The aim of the study: 1. Develop algorithm, which generates segmentation masks, using image class labels. 2. Use developed algorithm on image dataset and evaluate performance. Novelty: proposed gradient algorithm was not used for segmentation labeling of the whole dataset previously. Also the overall problem of segmentation markup generation is only becoming popular nowadays. In this paper gradient algorithm for mask generation, which needs only image class labels for optimization, was studied. Results of research propose future perspectives of the usage of the proposed algorithm. Also possible ways for algorithm improvement were proposed. As a result of research, the algorithm, which generated segmentation markup for defected steel plates, was developed.

Магістерська дисертація: 127 с., 70 рис., 20 табл., 1 додаток, 7 джерел. Дана робота присвячена дослідженню методів системного аналізу аудіо документів на предмет розпізнавання голосів співрозмовників, їх мови та сентиментального аналізу. Об’єктом дослідження є аудіозаписи розмов людей. Предметом дослідження являються звукові хвилі, аугментація звуку, методи машинного навчання для їх обробки, розпізнавання голосів, сентиментальний аналіз та статистичні критерії для оцінки адекватності моделей. Метою дослідження є побудова системи аналізу звукових файлів, який дасть змогу користувачам отримати дані про розпізнавання голосу кожного з учасників розмови, використаної ними мови та сентиментального аналізу. Актуальність роботи полягає в тому, що ринок має потребу в автоматичному аналізі аудіоданих, особливо комерційні та банківські установи, у той час як на ринку існує доволі мало доступних продуктів, особливо для застосування в реаліях України. Результатом роботи являється аналітична система розпізнавання голосів та мови співрозмовників, а також проведення сентиментального аналізу розмови на основі вхідного аудіо файлу. Новизною роботи являється реалізація аналізу для англійської, української та російської мов. Master thesis: 127 p., 70 fig., 20 tabl., 1 appendix, 7 ref. This work is devoted to the study of methods of systematic analysis of audio documents for the recognition of speakers' voices, their language and sentimental analysis. The object of the study is audio recordings of people's conversations. The subjects of the study are sound waves, sound augmentation, machine learning methods for their processing, voice recognition, sentimental analysis and statistical criteria for assessing the adequacy of models. The aim of the study is to build a system of analysis of sound files, which will allow users to obtain data on voice recognition of each of the participants in the conversation, their language and sentimental analysis. The relevance of the work is that the market needs automatic analysis of audio data, especially commercial and banking institutions, while there are quite a few products available on the market especially using in Ukraine. The result is an analytical system for voice recognition and speech of interlocutors, as well as a sentimental analysis of the conversation based on the input audio file. The novelty of the work is the implementation of the analysis for English, Ukrainian and Russian languages.