Кафедра інформатики та системології
Permanent URI for this collection
Browse
Recent Submissions
Item Облік у бюджетних установах(Київський національний економічний університет імені Вадима Гетьмана, 2024) Грабарєв, Андрій Володимирович; Hrabariev, Andrii; Грабарев, Андрей Владимирович; Грицак, Неля Юріївна; Hrytsak, Nelia; Грицак, Неля Юрьевна; Осмятченко, Володимир Олександрович; Osmiatchenko, Volodymyr; Осмятченко, Владимир Александрович; Мозговий, Сергій Анатолійович; Mozghovyi, Serhii; Мозговой, Сергей Анатольевич; Безкоровайний, Віталій Сергійович; Bezkorovainyi, Vitalii; Бескоровайный, Виталий СергеевичItem Machine learning approach of analysis of emotional polarity of electronic social media(ДВНЗ «Київський національний економічний університет імені Вадима Гетьмана», 2020) Derbentsev, Vasyl; Дербенцев, Василь Джоржович; Дербенцев, Василий Джорджевич; Bezkorovainyi, Vitalii; Безкоровайний, Віталій Сергійович; Бескоровайный, Виталий Сергеевич; Akhmedov, Renat; Ахмедов, Ренат РамазановичThis paper proposes a new approach to evaluating the emotional polarity (or Sentiment Analysis) of electronic social media texts. For this purpose both conventional Machine Learning (Logistic Regression and Support Vector Machine), and Deep Neural Networks approaches (Fully Connected and Convolutional Neural Networks) were used. As vector representations of words, we used both the frequency-based and pretrained words embeddings Word2vec and GloVe (with embedding dimensions of size 100 and 300). For the selected English-language IMDb Movie Reviews dataset the classification accuracy using the Logistic Regression model was 87%, the Support Vector Machine – 87.5%, the Fully Connected Neural Network – 88%, and the Convolutional Network – 90%. The accuracy of the proposed models is a quite acceptable for practical use-cases and is not inferior to cutting-edge Natural Language Processing solutions in the field of Sentiment Analysis, which opens up good prospects for further research. У статті пропонується новий підхід до оцінки емоційної полярності (або аналізу настроїв) електронних текстів у соціальних мережах. Для цього використовувалися як класичні методи машинного навчання (логістична регресія та метод опорних векторів), так і інструментарій глибоких нейронних мереж (повнозв’язні та згорткові нейромережі). Векторне представлення ґрунтувалось на частотних та попередньо навчених вкладеннях слів Word2vec і GloVe (з розмірами вкладення 100 і 300). Для вибраного англомовного набору даних IMDb Movie Reviews точність класифікації за допомогою моделі логістичної регресії становила 87%, машини опорних векторів – 87,5%, повнозв’язної нейронної мережі – 88% і згорткової мережі – 90%. Точність запропонованих моделей є цілком прийнятною для практичних ситуацій і не поступається передовим рішенням у сфері обробки природньої мови за напрямом аналізу настроїв, що відкриває обнадійливі перспективи для подальших досліджень.Item Переваги та недоліки дистанційного навчння при підготовці економістів(Всеукраїнська громадська організація «Спілка автоматизаторів бізнесу», 2024) Ніколенко, Лариса Анатоліївна; Nikolenko, Larysa; Николенко, Лариса Анатольевна; Кучерява, Тетяна Олексіївна; Kucheriava Tetiana; Кучерява, Татьяна АлексеевнаItem Розвиток soft skills при навчанні інформатичних дисциплін в умовах онлайнового навчання(Громадська наукова організація «Всеукраїнська асамблея докторів наук з державного управління», 2023) Красюк, Юлія Миколаївна; Krasiuk, Yuliia; Красюк, Юлия Николаевна; Сільченко, Марина Валеріївна; Silchenko, Maryna; Сильченко, Марина Валерьевна; Кучерява, Тетяна Олексіївна; Kucheriava, Tetiana; Кучерявая, Татьяна Алексеевна; Ніколенко, Лариса Анатоліївна; Nikolenko, Larysa; Николенко, Лариса Анатольевна; Супрунюк, Галина Михайлівна; Supruniuk, Halyna; Супрунюк, Галина МихайловнаВ умовах онлайнового навчання, що реалізується за кризових умов карантинних обмежень та воєнного стану, актуальним залишається завдання формування у здобувачів вищої освіти надпрофесійних «гнучких» навичок (soft skills), які, доповнюючи «жорсткі» навички (hard skills), допоможуть їм у майбутньому адаптуватися до робочого середовища та швидкозмінних стратегій компанії. Авторами проведений детальний аналіз результатів опитувань роботодавців, щодо soft skills, якими повинні володіти молоді фахівці, та наукового доробку українських та закордонних авторів щодо складників моделей, які описують надпрофесійні навички, та особливостей їх формування під час навчання. Однак кризові умови, в яких перебуває освіта останні роки, — умови карантинних обмежень і умови правового режиму воєнного стану, і спричинений цими умовами перехід до онлайнового навчання, накладають свій відбиток на процес формування у студентів soft skills, значно погіршуючи можливість їх набуття. У статті визначена структура soft skills майбутніх фахівців економічних спеціальностей, формування яких забезпечується під час вивчення навчальних дисциплін інформатичного циклу, та розкриваються особливості їх формування при онлайновому навчанні за кризових умов. Авторами проілюстровані компоненти системи навчальних задач, що розроблена для дисциплін «Прикладна інформатика» та «Бізнес-інформатика» відповідно до технології «перевернутого» класу, яка дозволяє поетапно формувати у студентів soft skills, пов’язані не тільки із комунікативними або особистісними якостями, а і з лідерськими якостями та уміннями управляти інформацією. In the conditions of online education, which is implemented under the crisis conditions of quarantine restrictions and martial law, the task of developing higher education students' supra-professional "soft" skills remains relevant. These skills, complementing "hard" skills, will assist them in adapting to the work environment and rapidly changing company strategies in the future. The authors conducted a detailed analysis of survey results from employers regarding the requisite soft skills for young professionals, as well as a review of the scholarly contributions of Ukrainian and international researchers pertaining to the constituents of models delineating supra- professional skills and the nuances of their cultivation within educational frameworks. However, the crisis conditions that have characterized the educational landscape in recent years—marked by quarantine restrictions and the imposition of a legal framework for a martial law, leading to the consequent shift to online education — have significantly impacted the process of instilling soft skills in students, thereby detrimentally affecting their potential acquisition. The article outlines the structure of soft skills for future professionals in economic fields. The development of these skills is facilitated through the study of subjects in the information technology cycle, with a focus on the peculiarities of their formation in the context of online learning during crisis conditions. The authors illustrate the components of the educational task system designed for the disciplines of "Applied Informatics" and "Business Informatics," respectively, using the "flipped" classroom technology. This approach enables a step-by-step cultivation of soft skills in students, encompassing not only communicative or personal qualities but also leadership qualities and information management skills.Item Проєктування програмного продукту на зразок Telegram-бота для застосування у навчальному процесі інституту інформаційних технологій в економіці КНЕУ(Громадська наукова організація «Всеукраїнська Асамблея докторів наук із державного управління», 2023) Грабарєв, Андрій Володимирович; Hrabariev, Andrii; Грабарев, Андрей Владимирович; Мозгаллі, Ольга Петрівна; Mozghalli, Olha; Мозгалли, Ольга Петровна; Македон, Геннадій Петрович; Makedon, Hennadii; Македон, Геннадий Петрович; Головко, Наталія Робертівна; Holovko, Nataliia; Головко Наталья Робертовна; Куліда, Вікторія Іванівна; Kulida, Viktoriia; Кулида, Виктория ИвановнаУ статті досліджено специфікацію проєктування програмного продукту Telegram-бота для студентів Інституту інформаційних технологій в економіці КНЕУ. Після проведення аналізу предметної області проєкту й аналогів чат-бота на платформі Telegram було сформовано такі основні вимоги до чат-бота: функціональні, нефункціональні і бізнес-вимоги. У процесі розробки Telegram-бота було обрано архітектурні рішення, а саме – монолітну архітектуру. Доведено, що Telegram-бот на основі монолітної архітектури – найбільш зручний у користуванні для усіх учасників навчального процесу, тому що увесь функціонал бота реалізується в одному монолітному додатку. Показано, що монолітна архітектура є простим та зручним підходом до розробки Telegram-бота для всіх учасників навчального процесу, проте може бути й обмеженою в масштабуванні та гнучкості. Під час використання цієї архітектури важливо враховувати потреби проєкту й обмеження, щоб забезпечити ефективну та надійну роботу Telegram-бот. Архітектуру програмного продукту та взаємодію модулів подано на UML-діаграмі компонентів. Показано створення програмного продукту Telegram-бота для студентів Інституту інформаційних технологій в економіці. Проаналізовано створення автоматизованогопомічника – чат-бота, який може надати всім учасникам навчального процесу різноманітні корисні функції та послуги, використовуючи платформу Telegram. Результатом проєкту став розроблений навчальний чат-бот на платформі Telegram для студентів Інституту інформаційних технологій в економіці КНЕУ. Доведено, що студент може зручно перейти до електронного журналу, натиснувши на кнопку посилання і потрапивши до місця підтвердження логіну та паролю. Студент може знайти необхідний для нього розклади на всі дні тижня, подивитись список викладачів і контактну інформацію та ін. The article examines the design specification of the Telegram-bot software product for students of the Institute of Information Technologies in Economics of National Economic University. After conducting an analysis of the subject area of the project and analogues of the chatbot on the Telegram platform, the following basic requirements for the chatbot were formed: functional, non-functional and business requirements. In the process of developing the Telegram bot, architectural solutions were chosen, namely, monolithic architecture. It has been proven that the Telegram bot based on monolithic architecture is the most convenient to use for all participants of the educational process, because all the functionality of the bot is implemented in one monolithic application. It is shown that the monolithic architecture is a simple and convenient approach to developing a Telegram bot for all participants of the educational process, but it can be limited in scalability and flexibility. The process of creating a Telegram-bot software product for students of the Institute of Information Technologies in Economics. The process of creating an automated assistant a chatbot, which can provide all participants of the educational process with various useful functions and services using the Telegram-platform, has been analyzed. The result of the project was the development of an educational chatbot on the Telegram platform for students of the Institute of Information Technologies in the Economy of KNEU, which will help with obtaining all the necessary information through a convenient system of moving buttons. It has been proven that a student can conveniently go to the electronic magazine by clicking on the link button and getting to the place where the login and password are confirmed.Item Проблеми формуванні професійних компетенцій випускників економічних спеціальностей ВНЗ в умовах становлення інформаційного суспільства(Громадська наукова організація «Всеукраїнська Асамблея докторів наук із державного управління», 2023) Дербенцев, Василь Джоржович; Derbentsev, Vasyl; Дербенцев, Василий Джорджевич; Головко, Наталія Робертівна; Holovko, Nataliia; Головко, Наталья Робертовна; Грабарєв, Андрій Володимирович; Hrabariev, Andrii; Грабарев, Андрей Владимирович; Македон, Геннадій Петрович; Makedon, Hennadii; Македон, Геннадий Петрович; Куліда, Вікторія Іванівна; Kulida, Viktoriia; Кулида, Виктория ИвановнаРоботу присвячено аналізу недоліків і проблем при підготовці майбутніх економістів у вищій школі у світлі новітніх ризиків і загроз сучасного етапу розвитку інформаційного суспільства. Визначено основні питання системи вищої економічної освіти, зокрема, зростання її фрагментарності; відсутністю під час формування загальноосвітніх і професійних компетенцій комплексного, системного підходу; наявністю слабкої інформатичної культури та недостатністю практичних ІТ навичок не лише у здобувачів, а й у викладачів; наростання розриву між освітою, культурою та наукою, з одного боку, та реаліями і потребами сучасного глобалізованого світу та інформаційного суспільства – з другого. Обґрунтовано необхідність застосування принципів інтеграції знань та інформатизації освітнього процесупід час формування навчальних планів ВНЗ економічного профілю. Сьогодні треба ставити питання про зміну цілей освіти, її принципово нової орієнтації на проблеми інформаційного суспільства. У ХХI ст. ми повинні чітко усвідомлювати, що людство вступило в но ву еру – еру інформації. Щодо набуття практичних навичок у галузі обробки інформації та використання сучасних прикладних інформаційних технологій для майбутніх економістів, на наш погляд, буде вкрай важливим опанування такими дисциплінами, як “Інформатика та основи програмування”, “Прикладна інформатика”, “Бізнес-інформатика”, “Аналіз біг дата та візуалізація даних”, “Електронна комерція”, “Інформаційна безпека”, “Прикладне машинне навчання”, “Глибоке навчання та основи штучного інтелекту” тощо. Визначено роль дисциплін циклу комп’ютерної підготовки і міждисциплінарних дисциплін для здобувачів економічних спеціальностей. Запропоновано напрями подолання проблем вищої економічної освіти, що ґрунтуються на системній науковій парадигмі, інформатизації та інтеграції. This paper is devoted to the analysis of shortcomings and problems in the preparation of future economists in higher education in the light of the latest risks and threats of the current stage of information society development. The main problems of the system of higher economic education are identified, in particular, the growth of its fragmentation; the absence of a comprehensive, systematic approach to the formation of general educational and professional competencies; the presence of a weak IT culture and a lack of practical IT skills not only among applicants, but also among teachers; growing gap between education, culture and science, on the one hand, and the realities and needs of the modern globalized world and information society, on the other. The need to apply the principles of knowledge integration and informatization of the educational process in the formation of educational plans of higher education institutions of economic profile is substantiated. The role of the disciplines of the cycle of computer training and interdisciplinary disciplines for students of economic specialties is determined. Today, it is necessary to ask questions about changing the goals of education, its fundamentally new orientation to the problems of the information society. In the 21st century, we must clearly realize that humanity has entered a new era – the era of information. Regarding the acquisition of practical skills in the field of information processing and the use of modern applied information technologies for future economists, in our opinion, it will be extremely important to master such disciplines as "Informatics and basics of programming", "Applied informatics", "Business informatics", "Analysis big data and data visualization", "Electronic commerce", "Information security", "Applied machine learning", "Deep learning and the basics of artificial intelligence", etc.Directions for overcoming the problems of higher economic education based on the systemic scientific paradigm, informatization and integration are proposed.Item Machine learning approaches for financial time series forecasting(CEUR Workshop Proceedings, 2021) Derbentsev, Vasyl; Дербенцев, Василь Джоржович; Дербенцев, Василий Джорджевич; Matviichuk, Andrii; Матвійчук, Андрій Вікторович; Матвийчук, Андрей Викторович; Datsenko, Nataliia; Даценко, Наталія Володимирівна; Даценко, Наталья Владимировна; Bezkorovainyi, Vitalii; Безкоровайний, Віталій Сергійович; Безкоровайный, Виталий Сергеевич; Azaryan, AlbertThis paper is discusses the problems of the short-term forecasting of financial time series using supervised machine learning (ML) approach. For this goal, we applied several the most powerful methods including Support Vector Machine (SVM), Multilayer Perceptron (MLP), Random Forests (RF) and Stochastic Gradient Boosting Machine (SGBM). As dataset were selected the daily close prices of two stock index: SP 500 and NASDAQ, two the most capitalized cryptocurrencies: Bitcoin (BTC), Ethereum (ETH), and exchange rate of EUR-USD. As features we used only the past price information. To check the efficiency of these models we made out-of-sample forecast for selected time series by using one step ahead technique. The accuracy rates of the forecasted prices by using ML models were calculated. The results verify the applicability of the ML approach for the forecasting of financial time series. The best out of sample accuracy of short-term prediction daily close prices for selected time series obtained by SGBM and MLP in terms of Mean Absolute Percentage Error (MAPE) was within 0.46-3.71 %. Our results are comparable with accuracy obtained by Deep learning approaches.Item Методологія аналізу контенту електронних засобів масової інформації(Придніпровська державна академія будівництва та архітектури, 2021) Ахмедов, Ренат Рамазанович; Akhmedov, Renat; Безкоровайний, Віталій Сергійович; Bezkorovainyi, Vitalii; Безкоровайный, Виталий Сергеевич; Данильченко, Тетяна Валеріївна; Danylchenko, Tetiana; Данильченко, Татьяна ВалерьевнаВ сучасному інформаційному суспільстві особливого значення набуває аналіз потоку інформації ЗМІ, тому особливої актуальності набувають питання проведення контент-аналізу, який ґрунтується на переведенні якісних даних у цифровий формат задля одержання можливостей оброблення інформації з використанням технологій біг-дата-аналітики та штучного інтелекту. У рамках дослідження узагальнено погляди на використання контент-аналізу та запропоновано методологію аналізу контенту електронних засобів масової інформації для таргетування цільової аудиторії, визначення вподобань щодо змісту публікацій, що складається з таких етапів, як вебскрапінг, паркінг, якісний аналіз, кількісний аналіз, аналіз тональності текстів. Запропонована в дослідженні методологія є основою для реалізації сучасних засобів контент-аналізу з використанням сучасних інформаційних технологій та методів і моделей штучного інтелекту. In the conditions of modern information society, the analysis of the flow of media information is of particular importance. Therefore, the issues of content analysis, which is based on the conversion of qualitative data into digital format in order to obtain information processing capabilities using technologies of big-data analytics and artificial intelligence approaches, are especially relevant. This study summarized the views on the use of content analysis and proposed a methodology for analyzing the content of electronic media for targeting and determining preferences for the content of publications. For this purpose, were proposed were proposed a conceptual scheme for conducting content analysis, which consists of 5 stages. The first stage consists of creating and updating a full-text database on a daily basis by automated data collection and retrieval of content from media websites (web scraping). The second stage involves using of modules for determining useful content (parsing) and its subsequent storage in the database. The quantitative analysis stage is especially important when generalization, aggregation of results, or to calculate the frequency of words (frequency analysis), categories, tags and expressions, as well as their joint use in the text. The purpose of qualitative analysis is to reduce the material so that the main content remains. Similarly, qualitative analysis can provide additional information about individual components of the text (terms, definitions) in order to improve understanding, explanation, and interpretation of a particular passage. Finally, the last stage is to analyze the tone of the texts (sentiment analysis), i.e. to determine the emotional (positive or negative) attitude of the authors of the test to the described event, person or phenomenon. Authors (or users who leave comments) actively use various means in order to create the desired picture of an event in the reader’s imagination, and to evoke the appropriate emotions. The proposed methodology is the basis for the implementation of modern tools of content analysis using information technologies and methods artificial intelligence approaches.Item Аналіз тональності текстів з використанням моделей глибокого навчання(Черкаський державний технологічний університет, 2022-06) Ахмедов, Ренат Рамазанович; Akhmedov, Renat; Дербенцев, Василь Джоржович; Derbentsev, Vasyl; Дербенцев, Василий Джорджевич; Безкоровайний, Віталій Сергійович; Bezkorovainyi, Vitalii; Безкоровайный, Виталий СергеевичРобота присвячена розробці моделі аналізу тональності текстів із використанням глибоких нейронних мереж. З цією метою в роботі було запропоновано архітектуру, що складається із перед-навченої моделі BERT (Bidirectional Encoder Representations from Transformers), що здійснює попередню обробку тексту, токенізацію та векторне представлення слів, та моделі класифікатора на базі логістичної регресії. Об’єктом дослідження є аналіз тональності текстів (сентимент-аналіз). Предметом дослідження є моделі обробки природної мови на основі глибоких нейронних мереж. Згідно з одержаними результатами наша модель показала на тестовій вибірці точність 82% в термінах метрики Accuracy. Проведене експериментальне дослідження свідчить про перспективність запропонованого підходу здійснення сентимент-аналізу з використанням перед-навченої моделі BERT. В подальших дослідженнях можна використовувати більш складні моделі класифікаторів, здійснювати багатокласову класифікацію, аспектний сентимент-аналіз.Item Контент-аналіз соціальних медіа методами машинного навчання(Черкаський національний університет імені Богдана Хмельницького, 2022) Ахмедов, Ренат Рамазанович; Akhmedov, Renat; Дербенцев, Василь Джоржович; Derbentsev, Vasyl; Дербенцев, Василий Джорджевич; Безкоровайний, Віталій Сергійович; Bezkorovainyi, Vitalii; Безкоровайный, Виталий СергеевичРобота присвячена проблемам проведення контент-аналізу електронних соціальних медіа. Проаналізовано особливості соціальних медіа та їх відмінності від традиційних засобів масової інформації. Визначено основні завдання, що дозволяє вирішувати застосування контент-аналізу соціальних медіа для бізнесу. Обґрунтовано використання технології машинного та глибокого навчання для створення систем контент-аналізу. Запропоновано застосування технології Transfer Learning для перенесення знань із переднавчанених мовних моделей на інший домен або іншу мову, зокрема, українську з інших слов’янських мов. Introduction. During the last two decades, the rapid development of social media has caused a revolution in means of communication in modern society. Therefore, a significant number of the world's leading companies began to rebuild their business models using the capabilities of modern means of communication through social networks and other platforms, for which content analysis technologies are successfully used. Purpose. The purpose of the article is to develop methodological principles for conducting content analysis of electronic resources (social media) based on using Artificial Intelligence technologies, in particular, Machine and Deep Learning. Results. The paper analyzes the phenomenon of social media and identifies the key factors that determine the effectiveness of their use for both business and consumers. Based on this, the paper explores the features of the content analysis of social media, which take into account their mass character, as well as the presence of large arrays of unstructured information. The large amount of information on various electronic platforms requires adequate means for their monitoring and processing, analysis of content as well. To solve these problems, the paper substantiates the use of modern Natural Language Processing technologies based on Machine and Deep Learning approaches. An alternative to the existing services for content analysis is developing systems based on such tight forwarding motion models, like BERT (provided by Google), or GPT-3 (provided by Open AI), which was implemented on the Transformer Deep Neural Networks architecture. The article also proposes the use of Transfer Learning technology to transfer knowledge from pre-learned language models to another domain or another language, in particular, Ukrainian from other Slavic languages. Originality. The main findings of this paper are the follows: (i) the main advantages of using social media for businesses and consumers are substantiated; (ii) the characteristic features of conducting content analysis in social media are determined; (iii) the advantages and disadvantages of using Natural Language Processing methods for solving problems of content analysis in social media are shown; (iv) Transfer Learning approach to transfer knowledge from pre-learned language models to another domain or another language, in particular, Ukrainian from other Slavic languages has been proposed for solving content analysis tasks. Conclusion. The accumulation of a sufficient amount of training data, the development of multi-core CPU and graphics processors, as well as the formation of powerful pre-trained language models and the development of effective algorithms for processing extremely large amounts of information are factors that determine the efficiency of the use of Machine and Deep Learning technology for content analysis tasks in recent years. Therefore, the development of computer systems for content analysis of social media, in particular, using modern technologies of Artificial Intelligence (Machine and Deep Learning), does not lose its relevance and requires further research.Item A comparative study of deep learning models for sentiment analysis of social media texts(CEUR Workshop Proceedings, 2022-11) Derbentsev, Vasyl; Дербенцев, Василь Джоржович; Дербенцев, Василий Джорджевич; Bezkorovainyi, Vitalii; Безкоровайний, Віталій Сергійович; Безкоровайный, Виталий Сергеевич; Matviichuk, Andrii; Матвійчук, Андрій Вікторович; Матвийчук, Андрей Викторович; Pomazun, Oksana; Помазун, Оксана Миколаївна; Помазун, Оксана Николаевна; Hrabariev, Andrii; Грабарєв, Андрій Володимирович; Грабарев, Андрей Владимирович; Hostryk, OleksiiSentiment analysis is a challenging task in natural language processing, especially for social media texts, which are often informal, short, and noisy. In this paper, we present a comparative study of deep learning models for sentiment analysis of social media texts. We develop three models based on deep neural networks (DNNs): a convolutional neural network (CNN), a CNN with long short-term memory (LSTM) layers (CNN-LSTM), and a bidirectional LSTM with CNN layers (BiLSTM-CNN). We use GloVe and Word2vec word embeddings as vector representations of words. We evaluate the performance of the models on two datasets: IMDb Movie Reviews and Twitter Sentiment 140. We also compare the results with a logistic regression classifier as a baseline. The experimental results show that the CNN model achieves the best accuracy of 90.1% on the IMDb dataset, while the BiLSTM-CNN model achieves the best accuracy of 82.1% on the Sentiment 140 dataset. The proposed models are comparable to state-of-the-art models and suitable for practical use in sentiment analysis of social media texts.Item Sentiment Analysis of Electronic Social Media Based on Deep Learning(CEUR Workshop Proceedings, 2022-11) Derbentsev, Vasyl; Дербенцев, Василь Джоржович; Дербенцев, Василий Джорджевич; Bezkorovainyi, Vitalii; Безкоровайний, Віталій Сергійович; Безкоровайный, Виталий Сергеевич; Matviichuk, Andrii; Матвійчук, Андрій Вікторович; Матвийчук, Андрей Викторович; Pomazun, Oksana; Помазун, Оксана Миколаївна; Помазун, Оксана Николаевна; Hrabariev, Andrii; Грабарєв, Андрій Володимирович; Грабарев, Андрей Владимирович; Hostryk, OleksiiThis paper describes Deep Learning approach of sentiment analyses which is an active research subject in the domain of Natural Language Processing. For this purpose we have developed three models based on Deep Neural Networks (DNNs): Convolutional Neural Network (CNN), and two models that combine convolutional and recurrent layers based on Long-Short-Term Memory (LSTM), such as CNN-LSTM and Bi-Directional LSTM-CNN (BiLSTM-CNN). As vector representations of words were used GloVe and Word2vec word embeddings. To evaluate the performance of the models, were used IMDb Movie Reviews and Twitter Sentiment 140 datasets, and as a baseline classifier was used Logistic Regression. The best result for IMDb dataset was obtained using CNN model (accuracy 90.1%), and for Sentiment 140 the model based on BiLSTM-CNN showed the highest accuracy (82.1%) correspondinly. The accuracy of the proposed models is a quite acceptable for practical use and comparable to state of the art models.Item Інформаційні системи і технології на підприємстві(Київський національний економічний університет імені Вадима Гетьмана, 2023) Грабарєв, Андрій Володимирович; Hrabariev, Andrii; Грабарев, Андрей Владимирович; Грицак, Неля Юріївна; Hrytsak, Nelia; Грицак, Неля Юрьевна; Осмятченко, Володимир Олександрович; Osmiatchenko, Volodymyr; Осмятченко, Владимир Александрович; Мозговий, Сергій Анатолійович; Mozghovyi, Serhii; Мозговой, Сергей Анатольевич; Безкоровайний, Віталій Сергійович; Bezkorovainyi, Vitalii; Бескоровайный, Виталий СергеевичItem Інтегративний підхід до формування цифрових навичок майбутніх фахівців(Харківський національний університет імені В. Н. Каразіна, 2023-09) Сільченко, Марина Валеріївна; Silchenko, Maryna; Сильченко, Марина Валерьевна; Красюк, Юлія Миколаївна; Krasiuk, Yuliia; Красюк, Юлия НиколаевнаItem Викладання комп’ютерної графіки з використанням систем штучного інтелекту(Харківський національний університет імені В. Н. Каразіна, 2023-09) Безкоровайний, Віталій Сергійович; Bezkorovainyi, Vitalii; Бескоровайный, Виталий СергеевичItem Використання моделі штучного інтелекту ChatGPT у навчальній діяльності(Харківський національний університет імені В. Н. Каразіна, 2023-09) Дибкова, Людмила Миколаївна; Dybkova, Liudmyla; Дыбкова, Людмила НиколаевнаItem Альтернативні засоби автоматизації бізнесу в сучасних умовах надання освітніх послуг(Одеський національний економічний університет, 2023-02) Гострик, О. М.; Дербенцев, Василь Джоржович; Derbentsev, Vasyl; Дербенцев, Василий Джорджевич; Тішков, Богдан Олександрович; Tishkov, Bohdan; Тишков, Богдан АлександровичItem Валідація даних в інформаційних системах обліку закладів охорони здоров’я(Дніпровський державний аграрно-економічний університет, ТОВ «ДКС Центр», 2023) Грабарєв, Андрій Володимирович; Hrabariev, Andrii; Грабарев, Андрей Владимирович; Осмятченко, Володимир Олександрович; Osmiatchenko, Volodymyr; Осмятченко, Владимир Александрович; Мозговий, С. А.; Mozghovyi, S.; Дербенцев, Василь Джоржович; Derbentsev, Vasyl; Дербенцев, Василий Джорджевич; Тішков, Богдан Олександрович; Tishkov, Bohdan; Тишков, Богдан АлександровичЗростання значення інформаційних технологій у нашому житті змушує постійно переглядати підходи до їх використання. Інформаційні системи з метою максимальної автоматизації процесів запроваджуються в усіх сферах життя, творчості та підприємницької діяльності людини. Ускладнення структури об’єктів предметної області, яка має бути автоматизована, призводить до комплікації архітектури інформаційної системи та логіки її функціонування. У статті розглянуто програмну реалізацію автоматизації обліку реорганізованих підприємств галузі охорони здоров’я з урахуванням постійних, часом кардинальних, змін предметної області діяльності цих суб’єктів господарювання. Проаналізовано основні завдання, які постають перед розробниками автоматизованих інформаційних систем для забезпечення потреб користувачів, досліджено структуру АІС «Дебет Плюс» на прикладі конфігурації для закладів охорони здоров’я. Розглянуто підходи проєктування архітектури, розробки та використання інформаційних систем з урахуванням невизначеності вимог до програмного забезпечення. Обґрунтовано важливість контролю за дотриманням валідності вхідних та вихідних даних, які опрацьовуються інформаційною системою. Подано конкретні приклади процесів взаємодії як користувачів з кінцевим програмним забезпеченням, так і різних інформаційних систем для реалізації потреб обміну інформацією, формування звітності, її аналізу та аудиту. Розглянуто основні складові частини автоматизованої інформаційної системи, подано опис їхніх функцій, способів взаємодії, реалізації механізмів валідації даних на різних етапах та рівнях функціонування інформаційної системи. Зроблено висновки щодо важливості та необхідності валідації даних на всіх рівнях функціонування інформаційної системи для покращення процесів обміну інформацією як в середині окремо взятої інформаційної системи, так і в рамках інфраструктури галузевих та загальнодержавних інформаційних систем. The growing importance of information technologies in our lives forces us to constantly review approaches to their use. Information systems with the aim of maximum automation of processes are introduced in all spheres of human life, creativity, and entrepreneurial activity. The complexity of the structure of objects in the subject area, which must be automated, leads to the complication of the architecture of the information system and the logic of its functioning. The article considers the software implementation of accounting automation of reorganized enterprises in the field of health care, considering constant, sometimes drastic, changes in the subject area of activity of these business entities. The main tasks faced by the developers of automated information systems to meet the needs of users were analyzed, and the structure of the automated information system Debet Plus was studied using the example of a configuration for healthcare institutions. Approaches to architecture design, development, and use of information systems are considered, considering the uncertainty of software requirements. Special attention is paid to the validation of data in the context of reporting of business entities. The importance of monitoring the validity of input and output data processed by the information system is substantiated. Specific examples of the processes of interaction of both users with the end software and various information systems to implement the needs of information exchange, reporting, analysis, and auditing are provided. The main components of the automated information system are considered, and a description of their functions, methods of interaction, and implementation of data validation mechanisms at various stages and levels of the information system's functioning are provided. Conclusions were made regarding the importance and necessity of data validation at all levels of information system functioning to improve information exchange processes both within a single information system and within the framework of the infrastructure of industry and national information systems.Item Застосування методів глибокого навчання до прогнозування зміни короткострокових трендів валютних курсів(Мукачівський державний університет, 2020) Дербенцев, Василь Джоржович; Derbentsev, Vasyl; Дербенцев, Василий Джорджевич; Безкоровайний, Віталій Сергійович; Bezkorovainyi, Vitalii; Безкоровайный, Виталий Сергеевич; Луняк, Ірина Вікторівна; Luniak, Iryna; Луняк, Ирина ВикторовнаРобота присвячена питанням короткострокового прогнозування валютних курсів за допомогою моделей глибокого навчання, що є актуальним як для наукової спільноти, так і для трейдерів та інвесторів. Метою роботи є побудова моделі прогнозу напряму зміни руху цін валютних котирувань на основі глибоких нейронних мереж. В основу розробленої архітектури було покладено модель вентильного рекурентного вузла, що є модифікацією моделі «довготривалої короткочасної пам’яті», але є більш простою за кількістю параметрів і часом навчання. Проведено прогнозні розрахунки динаміки котирувань валютної пари євро/долар і найбільш капіталізованої криптовалюти біткоїн/долар із використанням щоденних, чотиригодинних і щогодинних спостережень. Отримані результати бінарної класифікації (прогнозу напряму зміни тренду) під час застосування щоденних і годинних котирувань виявились загалом кращими, ніж дають моделі часових рядів, або моделі нейронних мереж іншої архітектури (зокрема, багатошарового персептрону, чи моделі на основі «довготривалої короткочасної пам’яті»). Згідно з одержаними результатами, найбільша точність класифікації виявилася для моделі щоденних котирувань як для євро/долар – близько 72 %, так і для біткоїн/долар – близько 69 %. Під час використання чотирьохгодинних і щогодинних часових рядів точність класифікації зменшувалась, що можна пояснити як збільшенням впливу «ринкового шуму», так і вірогідним перенавчанням моделей. Унаслідок комп’ютерних експериментів було з’ясовано, що моделі краще прогнозують зростаючий тренд, ніж спадаючий. Проведене дослідження підтвердило перспективність застосування моделей глибокого навчання для задач короткострокового прогнозування часових рядів валютних котирувань. Водночас використання розроблених моделей виявилось ефективним як для фіатних, так і для криптовалют. Запропоновану систему моделей на основі глибоких нейронних мереж можна покласти в основу під час розробки автоматизованої торгової системи на валютному ринку. This paper investigates the issues of short-term forecasting of exchange rates using deep learning models, which is relevant for both the academia and traders and investors. The purpose of this study is to build a model to forecast the direction of changes in the price movement of currency quotes based on deep neural networks. The developed architecture is based on the gated recurrent unit model, which is a modification of the “long short-term memory” model, but is simpler as to the number of parameters and learning time. Forecast calculations of the dynamics of quotations of the euro/dollar currency pair and the most capitalised cryptocurrency – bitcoin/dollar are carried out using daily, four-hour, and hourly observations. The obtained results of binary classification (forecasting the direction of trend change) when applying daily and hourly quotes turned out to be generally better than those given by time series models, or models of neural networks of other architecture (namely multilayer perceptron, or models based on “long short-term memory”). According to the results obtained, the highest classification accuracy was found for the model of daily quotes for both EUR/USD – about 72%, and for BTC/USD – about 69%. When using the four-hour and hourly time series, the classification accuracy decreased, which can be explained both by an increase in the impact of “market noise” and by the likely retraining of models. As a result of computer experiments, it was found that models better predict an upward trend than a downward one. The conducted research confirmed the prospects of using deep learning models for short-term forecasting of time series of currency quotes. At the same time, the use of the developed models proved to be effective for both fiat and cryptocurrencies. The proposed system of models based on deep neural networks can be used as a basis for the development of an automated trading system in the foreign exchange market.Item Концепція впровадження в Україні інструментів автоматизації для обміну звітами в розрізі країн(Видавничий дім «Гельветика», 2022-12-08) Кучерява, Тетяна Олексіївна; Kucheriava, Tetiana; Кучерявая, Татьяна Алексеевна; Ніколенко, Лариса Анатоліївна; Nikolenko, Larysa; Николенко, Лариса Анатольевна