Кафедра Комп'ютерних Наук та Інформаційних Систем

Постійне посилання на фонд

https://ur.knute.edu.ua/handle/123456789/2028

Переглянути

Перегляд Кафедра Комп'ютерних Наук та Інформаційних Систем за Автор "Філімонова Тетяна Олегівна"

Зараз показуємо 1 - 3 з 3
  • Ескіз недоступний
    Документ
    Проектування та програмна реалізація соціально-комерційної цифрової платформи музичної спільноти
    (DTEU, 2024-12) Бевзюк Дмитрій Андрійович; Філімонова Тетяна Олегівна
    У кваліфікаційній роботі здійснено розробку соціально-комерційної циф-рової платформи музичної спільноти. У першому розділі побудовано модель предметної області платформи у вигляді ієрархії об’єктно-процесних діаграм з використанням мови моделювання OPM. Другий розділ містить діаграми та специфікації бізнес-вимог, функціональних і нефункціональних вимог відпові-дно до стандарту SysML. У третьому розділі було змодельовано поведінку, структуру та користувацький інтерфейс платформи. Ключові слова: цифрова платформа, музична спільнота, моделювання, бізнес-вимоги, прототип. The qualification project focuses on the development of a social-commercial digital platform for a music community. In the first section, a domain model of the platform is built as a hierarchy of object-process diagrams using the OPM modeling language. The second section presents diagrams and specifications of business re-quirements, functional and non-functional requirements, according to the SysML standard. The third section models the behavior, structure, and user interface of the platform. The fourth section covers the testing and verification of the system's design solutions. In the fifth section, a prototype of the platform is developed. Keywords: digital platform, music community, modeling, business requirements, prototype.
  • Ескіз недоступний
    Документ
    Розробка генетичного алгоритму для задачі OneMax з використанням пакету DEAP
    (DTEU, 2024-12) Принько Максим Денисович; Філімонова Тетяна Олегівна
    У кваліфікаційній роботі розглянуто розробку генетичного алгоритму для розв’язання задачі OneMax з використанням програмного пакету DEAP. Проаналізовано особливості генетичних алгоритмів, їх ключові елементи, зокрема, селекція, схрещення та мутація. Детально досліджено функціональність пакету DEAP, який використовується для побудови гнучких і налаштовуваних еволюційних моделей. Основним результатом роботи є створення та налаштування генетичного алгоритму, оптимізованого для задачі OneMax, із проведенням експериментального аналізу продуктивності. Отримані результати дозволяють оцінити вплив параметрів алгоритму на його ефективність та можуть бути застосовані для вирішення інших задач оптимізації в галузі інформаційних технологій. Ключові слова: генетичний алгоритм, OneMax, оптимізація, DEAP, еволюційні обчислення. The thesis focuses on the development of a genetic algorithm for solving the OneMax problem using the DEAP software library. The study analyzes the characteristics of genetic algorithms and their key components, including selection, crossover, and mutation. The functionality of the DEAP library, which is used to build flexible and customizable evolutionary models, is explored in detail. The main outcome of the work is the design and configuration of a genetic algorithm optimized for the OneMax problem, accompanied by an experimental performance analysis. The obtained results provide insights into the impact of algorithm parameters on its efficiency and can be applied to solve other optimization problems in the field of information technology. Keywords: genetic algorithm, OneMax, optimization, DEAP, evolutionary computing.
  • Ескіз недоступний
    Документ
    РОЗРОБКА РЕКУРЕНТНОЇ LSTM НЕЙРОМЕРЕЖІ ДЛЯ ПРОВЕДЕННЯ СЕНТИМЕНТ - АНАЛІЗУ ТЕКСТУ
    (DTEU, 2024-12) Савка Олександр Ігорович; Філімонова Тетяна Олегівна
    Кваліфікаційна робота присвячена розробці нейронної мережі на основі LSTM (Long Short-Term Memory) для проведення сентимент аналізу тексту. У роботі розглядаються основні підходи до аналізу сентименту текстових даних, акцентується увага на використанні рекурентних нейронних мереж та їхньої модифікації LSTM для врахування послідовних залежностей в тексті. Здійснено детальне дослідження методів попередньої обробки тексту, таких як токенізація, лемматизація та векторизація, що є важливими етапами перед тренуванням моделі. У процесі дослідження було розроблено нейронну мережу LSTM для задачі класифікації тексту за емоційною складовою (сентиментом), а також проведено її навчання та тестування на реальних текстових даних. Отримані результати продемонстрували здатність моделі ефективно класифікувати текстові дані за сентиментом, що підтверджується високими показниками точності. У роботі також проведено порівняльний аналіз з іншими методами сентимент аналізу. Ключові слова: сентимент аналіз, обробка природної мови, нейронна мережа, LSTM, рекурентні нейронні мережі, класифікація тексту. This thesis is dedicated to the development of an LSTM (Long Short-Term Memory) neural network for sentiment analysis of text. The study explores key approaches to sentiment analysis of textual data, with a focus on the use of recurrent neural networks and their LSTM modification for capturing sequential dependencies in text. Detailed research has been conducted on text preprocessing methods, such as tokenization, lemmatization, and vectorization, which are crucial steps before training the model. Keywords: Sentiment analysis, Natural Language Processing, neural network, LSTM, recurrent neural networks, text classification.