Навчально-науковий інститут «Інститут інформаційних технологій в економіці Університету»

Permanent URI for this community

https://ir.kneu.edu.ua/handle/2010/43266

Browse

Browsing Навчально-науковий інститут «Інститут інформаційних технологій в економіці Університету» by Subject "algorithm"

Now showing 1 - 3 of 3
  • No Thumbnail Available
    Item
    Аналіз систем комп’ютерного розпізнавання облич
    (Київський національний економічний університет імені Вадима Гетьмана, 2024-05-29) Романюк, Володимир Олександрович; Romaniuk, Volodymyr; Гладка, Юлія Анатоліївна
    Дослідження зорових систем з використанням машинного та глибокого навчання для виявлення та розпізнавання облич. Мета - вивчення надійності поточних рішень через практичні експерименти з комп'ютерними технологіями. Аналізуються кілька існуючих систем з врахуванням уникнення виявлення та розпізнавання. Для написання магістерської необхідний дозвіл віце-ректора СУІТТ. The research focuses on computer vision systems using machine learning and deep learning for face detection and recognition. The goal is to study the reliability of current solutions. The method involves practical experiments with computer technologies. Several existing face detection and recognition systems are examined. Experiments aim to avoid detection and recognition. Permission from the vice-rector for academic work of SUITT is required for the master's thesis.
  • No Thumbnail Available
    Item
    Комплексний аналіз системи захисту компанії на основі криптографічних алгоритмів
    (Київський національний економічний університет імені Вадима Гетьмана, 2024-05-29) Шкляр, Максим Олександрович; Shkliar, Maksym; Нагірна, Алла Миколаївна
    Ця магістерська робота присвячена комплексному аналізу систем захисту компанії на основі криптографічних алгоритмів. Актуальність теми обумовлена зростанням кіберзагроз та необхідністю захисту конфіденційної інформації. У роботі досліджено сучасні криптографічні алгоритми, такі як AES, RSA, та гібридні системи, оцінено їх ефективність та вразливості. Проведено розробку та тестування прототипу комплексної системи захисту з використанням симуляцій. Отримані результати підтвердили високу ефективність запропонованих рішень та їх практичну значущість для підвищення рівня кібербезпеки. Розроблені рекомендації можуть бути використані для оптимізації систем захисту в корпоративних мережах. This master's thesis is dedicated to a comprehensive analysis of a company's protection system based on cryptographic algorithms. The relevance of the topic is due to the increasing cyber threats and the need to protect confidential information. The study examines modern cryptographic algorithms such as AES, RSA, and hybrid systems, assessing their effectiveness and vulnerabilities. The development and testing of a prototype comprehensive protection system using simulations were carried out. The results confirmed the high efficiency of the proposed solutions and their practical significance for enhancing cybersecurity. The developed recommendations can be used to optimize protection systems in corporate networks.
  • No Thumbnail Available
    Item
    Розробка персоналізованої рекомендаційної системи для стримінгових сервісів
    (Київський національний економічний університет імені Вадима Гетьмана, 2024-12-19) Миколюк, Владислав Русланович; Mykolіuk, Vladyslav; Осипова, Ольга Ігорівна
    Робота присвячена розробці персоналізованої рекомендаційної системи для стримінгових сервісів. Метою є створення алгоритму, який надає користувачам рекомендації фільмів та серіалів, основані на їхніх вподобаннях і взаємодії з контентом. Використовуються методи колаборативного та контентного фільтрування, а також алгоритми машинного навчання для підвищення точності прогнозів. Розроблена система покращує користувацький досвід, збільшує час взаємодії з платформою і оптимізує контент для кожного користувача. The work is devoted to the development of a personalized recommendation system for streaming services. The goal is to create an algorithm that provides users with recommendations for films and TV series based on their preferences and interaction with the content. Collaborative and content filtering methods are used, as well as machine learning algorithms to increase the accuracy of predictions. The developed system improves the user experience, increases the time of interaction with the platform and optimizes the content for each user.