Вітаємо в інституційному репозитарії Київського національного економічного університету імені Вадима Гетьмана!
З питань розміщення публікацій звертайтесь до Наукової бібліотеки ім. М. В. Довнар-Запольського КНЕУ ім. В. Гетьмана (кімната № 401, тел. +38 044 503 84 46) або на електронну адресу:
- lib.szfir@kneu.edu.ua
Нормативні документи
Communities in DSpace
Select a community to browse its collections.
Recent Submissions
Інтелектуальна система моніторингу продуктових метрик з адаптивними порогами на основі машинного навчання
(Київський національний економічний університет імені Вадима Гетьмана, 2026-05-20) Штонда, Єлизавета Олександрівна; Shtonda, Yelyzaveta; Васильєва, Людмила Володимирівна
Кваліфікаційну роботу присвячено розробці інтелектуальної системи моніторингу продуктових метрик з адаптивними порогами на основі машинного навчання. Запропоновано гібридний детектор аномалій, який послідовно поєднує Prophet як декомпозиційний препроцесор (тренд, тижнева сезонність, свята) і робастну статистику Rolling MAD на залишках. Архітектуру реалізовано у п’ятишаровому вигляді: Prefect, Python, Vertica 9.3, Slack, Tableau Online. Експериментальне оцінювання на ряді success_rate мобільного застосунку (721 доба) підтвердило перевагу гібридного підходу за F1-мірою та зниженням рівня хибних спрацювань.
The work is devoted to the development of an intelligent system for monitoring product metrics with adaptive thresholds based on machine learning. A hybrid anomaly detector is proposed that sequentially combines Prophet as a decomposition preprocessor (trend, weekly seasonality, holidays) and the robust Rolling MAD statistic on residuals. The architecture is implemented as a five-layer pipeline: Prefect, Python, Vertica 9.3, Slack, Tableau Online. Experimental evaluation on a success_rate series of a mobile application (721 days) confirmed the advantage of the hybrid approach in terms of F1-score and false-positive reduction.
Розроблення системи штучного інтелекту з аналізу поведінки користувачів email-комунікацій
(Київський національний економічний університет імені Вадима Гетьмана, 2025-05-20) Шаповал, Роман Володимирович; Shapoval, Roman; Тішков, Богдан Олексійович
У роботі розроблено мультиагентну систему штучного інтелекту для аналізу поведінкових патернів підписників email-розсилок. Система складається з трьох автономних агентів: збору даних, аналітичного та агента-рекомендатора. Реалізовано алгоритм кластеризації K-Means++ з автоматичним визначенням оптимальної кількості сегментів за коефіцієнтом силуету, ядерну оцінку щільності для визначення часу відправки та модель очікуваної корисності для прийняття рішень. Інформаційне забезпечення реалізовано на базі MS SQL Server. Аналітичний інтерфейс побудовано засобами Streamlit з концепцією «людина в циклі».
The paper presents a multi-agent artificial intelligence system for analysing the behavioural patterns of email subscribers. The system consists of three autonomous agents: data collection, analytics, and recommendation. A K-Means++ clustering algorithm with automatic selection of the optimal number of segments via the silhouette coefficient, kernel density estimation for send-time optimisation, and an expected utility model for decision-making are implemented. The information infrastructure is built on MS SQL Server. The analytical interface is developed using Streamlit with a human-in-the-loop concept.
Розробка інтелектуальної системи оцінювання ризику фінансових транзакцій на основі машинного навчання
(Київський національний економічний університет імені Вадима Гетьмана, 2026-05-20) Сосунович, Богдан Сергійович; Sosunovych, Bohdan; Васильєва, Людмила Володимирівна
У кваліфікаційній роботі розроблено інтелектуальну систему оцінювання ризику фінансових транзакцій на основі методів машинного навчання для виявлення потенційно шахрайських операцій у режимі реального часу. Проаналізовано сучасні підходи до fraud detection, спроєктовано архітектуру REST-орієнтованого ML-сервісу та реалізовано програмний прототип системи. Проведено підготовку експериментальних даних, навчання моделей Logistic Regression, Decision Tree та Random Forest, а також їх порівняльне оцінювання за ключовими метриками якості та продуктивності.
This m thesis presents the development of an intelligent financial transaction risk assessment system based on machine learning methods for real-time detection of potentially fraudulent operations. Modern fraud detection approaches were analyzed, a REST-oriented ML service architecture was designed, and a software prototype was implemented. Experimental data preparation, training of Logistic Regression, Decision Tree, and Random Forest models, as well as their comparative evaluation using key quality and performance metrics, were carried out.
Розробка інтелектуальної системи для торгівлі криптовалютами
(Київський національний економічний університет імені Вадима Гетьмана, 2026-05-20) Пушкарь, Руслан Максимович; Pushkar, Ruslan; Кривошеєв, Костянтин Валерійович
Об'єктом дослідження: процеси аналізу криптовалютного ринку та підтримки прийняття торгових рішень в умовах високої волатильності ринкових даних. Предметом дослідження: методи, моделі та програмні засоби побудови інтелектуальної системи для прогнозування зміни вартості криптовалют, оцінювання ризиків та формування торгових рекомендацій. Мета і завдання дослідження: розроблення інтелектуальної системи для торгівлі криптовалютами, яка забезпечує автоматизований аналіз ринкових даних, прогнозування зміни вартості криптовалютних активів, оцінювання ризиків та формування торгових рекомендацій із використанням методів машинного навчання й технічного аналізу.
The object of the research is the processes of cryptocurrency market analysis and decision support for trading operations under conditions of high volatility of market data. The subject of the research is methods, models, and software tools for building an intelligent system for forecasting cryptocurrency price changes, risk assessment, and generation of trading recommendations. Purpose and objectives of the research. The purpose of the research is to develop an intelligent system for cryptocurrency trading that provides automated analysis of market data, forecasting of cryptocurrency asset price changes, risk assessment, and generation of trading recommendations using machine learning methods and technical analysis tools.
Проектування інтелектуальної системи аналізу соціально-економічних показників якості життя
(Київський національний економічний університет імені Вадима Гетьмана, 2026-05-18) Відоменко, Максим Юрійович; Vidomenko, Maksym; Помазуй, Оксана Миколаївна
Якість життя населення формується під впливом багатьох соціально-економічних, демографічних, освітніх, медичних, екологічних та інституційних чинників. Для її аналізу в роботі запропоновано інтелектуальну систему, що забезпечує обробку даних про країни, визначення груп схожих об єктів, прогнозування суб'єктивного показника якості життя та формування рекомендацій щодо можливих напрямів його підвищення. Основу системи становить поєднання кластеризації країн, прогнозного моделювання та рекомендаційного механізму. Такий підхід дає змогу враховувати неоднорідність країн, аналізувати вплив соціально- економічних характеристик у межах окремих груп і надавати користувачу пріоритетні напрями для покращення якості життя.
The quality of life of the population is shaped by a range of socio-economic, demographic, educational, health-related, environmental and institutional factors. To analyse this, the study proposes an intelligent system that processes data on countries, identifies groups of similar entities, forecasts a subjective quality of life indicator, and generates recommendations on possible ways to improve it. The system is based on a combination of country clustering, predictive modelling and a recommendation mechanism. This approach makes it possible to account for the heterogeneity of countries, analyse the influence of socio-economic characteristics within individual groups and provide the user with priority areas for improving quality of life.