Browsing by Author "Малієнко, Станіслав Євгенович"

Now showing 1 - 5 of 5

Виклики в розробці та впровадженні штучного інтелекту в інженерії, закупівлях і будівництві
(Видавничий дім «Гельветика», 2025) Малієнко, Станіслав Євгенович; Селівьорстова, Тетяна Віталіївна
UKR: Штучний інтелект у сфері інжинірингових, закупівельних і будівельних робіт ще не має доказаної практики впровадження у великих проектах. Оскільки рішення на основі ШІ для промислових застосувань стали доступні лише нещодавно, досвід впровадження та отримані уроки ще належить накопичити. Метою роботи є дослідити основні виклики, що виникають під час розробки та впровадження систем штучного інтелекту (ШІ) у сфері інжинірингу, закупівель та будівництва, а також з’ясувати, як ці виклики впливають на практичне використання ШІ у зазначеній галузі. Методологією для цього дослідження було обрано метод вивчення кейса. Збір даних здійснювався серед ключових стейкхолдерів, які беруть участь у впровадженні ШІ, а подальший аналіз ґрунтувався на методах тематичного аналізу. Новизна цього дослідження полягає в детальному аналізі проблем і перешкод, з якими зіштовхнулися компанії при розробці та впровадженні ШІ у великому проєкті в сфері інжинирінгу, на основі реальних прикладів з практики. Виявлені проблеми не залежать від конкретної технології чи досвіду компанії, тому вони є універсальними. Висновки. На підставі отриманих результатів було зроблено висновки про те що впровадження ШІ в індустрії стикається з низкою унікальних викликів, зокрема: нестачею якісних даних, складністю інтеграції в існуючі процеси, опором працівників та обмеженою довірою до ШІ-систем. Для успішного впровадження необхідно враховувати як технічні, так і організаційні фактори. Дослідження підкреслює важливість багатодисциплінарного підходу до розробки та впровадження ШІ у цій галузі.
Застосування методів машинного навчання для виявлення аномалій у мережевому трафіку
(Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2026) Малієнко, Станіслав Євгенович; Селівьорстова, Тетяна Віталіївна
UKR: У роботі досліджено ефективність методів машинного навчання для виявлення аномалій у мережевому трафіку. Проаналізовано основні підходи до побудови інтелектуальних систем виявлення вторгнень (IDS), зокрема сигнатурний аналіз та методи на основі машинного навчання. Виконано експериментальне порівняння алгоритмів Random Forest, Support Vector Machine, k-Nearest Neighbors та багатошарового перцептрона на датасеті NSL-KDD. Оцінку якості класифікації проведено за метриками Accuracy, Precision, Recall та F1-score. Результати показали, що метод Random Forest забезпечує найкращий баланс точності та швидкодії для задач виявлення мережевих аномалій у режимі реального часу. Визначено перспективи застосування ансамблевих методів та глибокого навчання для підвищення якості детектування кіберзагроз.
Застосування штучного інтелекту для розв'язання інженерних задач. Переваги та виклики
(Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2024) Красношапка, Никита Сергійович; Малієнко, Станіслав Євгенович; Гуда, Антон Ігорович; Селівьорстова, Тетяна Віталіївна
UKR: Штучний інтелект (ШІ) стає невід'ємною частиною сучасної інженерії, обіцяючи трансформувати способи проектування, виробництва та управління системами. Його застосування варіюється від автоматизації процесів до оптимізації виробничих циклів, підвищуючи ефективність та надійність. Проте, незважаючи на переваги, існують виклики, такі як інтеграція ШІ в етап проектування, вимоги до безпеки та конфіденційності даних. Особливо в індустрії EPC, де кожен проект має унікальні вимоги, а високі стандарти безпеки ускладнюють впровадження ШІ. Також необхідність у кваліфікованих фахівцях та ефективних механізмах збору даних створюють додаткові перешкоди. Успішне впровадження ШІ вимагає інтеграції досвіду компаній, стратегічного підходу та підтримки вищого керівництва.
Огляд математичних моделей та інформаційних технологій бізнес аналізу великих web-даних
(Український державний університет науки і технологій, ННІ ≪Інститут промислових та бізнес технологій≫, ІВК ≪Системні технології≫, Дніпро, 2023) Малієнко, Станіслав Євгенович; Селівьорстова, Тетяна Віталіївна
UKR: У сучасному бізнесі, особливо у сфері інтернет-технологій, існує величезна кількість даних, які постійно надходять та накопичуються. Для ухвалення ефективних рішень необхідно проводити аналіз цих даних. Однак обробка великих обсягів даних потребує спеціальних математичних моделей та інформаційних технологій. У зв'язку з цим дослідження математичних моделей та інформаційних технологій для аналізу великих web-даних є актуальною темою. Проблема полягає в тому, що для аналізу великих обсягів даних, отриманих зі сфери інтернет-технологій, потрібні ефективні методи обробки та аналізу. Існуючі методи аналізу не завжди дозволяють отримати актуальну та точну інформацію, яка може бути використана для прийняття рішень. Метою дослідження є огляд та аналіз існуючих математичних моделей та інформаційних технологій, що використовуються для аналізу великих web-даних. Для досягнення цієї мети були використані методи аналізу літератури, порівняльний аналіз методів та засобів аналізу даних. В результаті дослідження були виявлені основні математичні моделі та інформаційні технології, які широко використовуються для аналізу великих веб-даних. Було проведено аналіз та порівняння існуючих методів, виявлено їх переваги та недоліки. Аналіз даних є важливим інструментом прийняття ефективних рішень у сфері інтернет-технологій. Використання ефективних математичних моделей та інформаційних технологій дозволяє отримати точну та актуальну інформацію з великих web-даних. Результати дослідження можуть бути використані для розробки нових методів та засобів аналізу даних, що дозволить покращити якість прийнятих рішень.
Інтелектуальна система аналізу відеоданих для детектування та ідентифікації облич
(Scientific Publishing Center “Sci-conf”, BoScience Publisher, Boston, USA, 2025) Межевікін, Олександр Олександрович; Чудний, Тарас Евгенович; Малієнко, Станіслав Євгенович; Селівьорстова, Тетяна Віталіївна
UKR: У роботі представлено розробку алгоритмів інтелектуального аналізу відеоданих для детектування та ідентифікації облич. Запропонована система поєднує сучасні методи машинного навчання, такі як FRCNN і ArcFace, що забезпечує високу точність і швидкодію в реальних умовах експлуатації. Реалізовано програмне забезпечення з графічним інтерфейсом і можливістю інтеграції з існуючими системами відеоспостереження. Проведене тестування підтвердило ефективність розроблених алгоритмів у різних умовах зйомки та при обробці великих обсягів відеоданих.