Конференції-2024

Permanent URI for this communityhttps://crust.ust.edu.ua/handle/123456789/18009

UKR: Матеріали конференцій, що відбулися 2024
ENG: Proceedings of conferences held in 2024

Browse

Now showing 1 - 7 of 7

Дослідження особливостей застосування штучного інтелекту в інженерії програмного забезпечення
(Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2024) Гуда, Антон Ігорович; Булавка, О. С.; Довидовський, Е. О.; Селівьорстова, Тетяна Віталіївна
UKR: Проведений аналіз трансформаційного впливу штучного інтелекту на сферу розробки програмного забезпечення, демонструючи, як інструменти на основі ШІ оптимізують робочі процеси та підвищують продуктивність. Від автоматизації створення документації за допомогою таких інструментів, як Rewind.ai і Mutable.ai до перекладу коду на людську мову для легшого розуміння за допомогою Figstack, ШІ революціонізує практику розробки. Ці інновації підкреслюють ключову роль штучного інтелекту в зміні процесів розробки програмного забезпечення, покращенні якості коду та сприянні ефективній командній роботі в дедалі динамічнішому середовищі.
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.
Комплексні онтологічні та нейромережеві моделі фотографічних образів
(Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2024) Галушка, Олександр Валентинович; Шинкаренко, Віктор Іванович
UKR: Ця стаття досліджує інноваційний підхід до розробки систем комп'ютерного зору, заснований на глибокій інтеграції онтологічних та нейромережевих моделей для ефективного аналізу фотографічних зображень. У цій роботі пропонується новий гібридний метод у контексті сучасних викликів, пов'язаних з розпізнаванням зображень, таких як висока різноманітність класів та проблеми оклюзії об'єктів на фотографіях низької якості. Цей метод надає моделям комп'ютерного зору здатність до глибшого розуміння контексту та семантики зображень, використовуючи онтологічні структури для представлення візуального вмісту. Аналітичний процес включає ідентифікацію ключових об'єктів на зображенні та визначення їхнього онтологічного контексту, що дозволяє нейронним мережам ефективно виконувати градієнтну трансформацію вхідних даних для більш точного розпізнавання та класифікації. Запропонована модель демонструє потенціал для отримання переваги над традиційними методами у задачах комп'ютерного зору, відкриваючи нові можливості для розширення застосувань комп'ютерного зору у науковій, промисловій та побутовій сферах.
Оцінка перспектив застосування методів машинного навчання у аналітиці показників веб-ресурсів
(Український державний університет науки і технологій, Дніпро, 2024) Жуковський, Дмитро Миколайович
UKR: Мета. Основною метою наукової роботи є проведення огляду перспектив впровадження методів машинного навчання в проектах цифрової економіки та електронної комерції. Методика. Застосування сучасних веб-технологій дозволяє накопичувати великі обсяги статистичних даних для аналізу ефективності економічної діяльності на Інтернет-ресурсах. З метою ухвалення більш обґрунтованих управлінських рішень, використання методів машинного навчання стає важливим доповненням до класичних статистичних методів.Однією з найзначущих проблем при роботі з великими обсягами даних у цифровій економіці є низька ефективність класичних статистичних методів для знаходження найбільш раціональних управлінських рішень. Результати. В статті проведено аналіз найбільш популярних методів машинного навчання, які можуть застосовуватись у веб-аналітиці для прийняття більш якісних управлінських рішень. Тому для вдосконалення якості бізнес-процесів на проектах з електронної комерції метою подальших досліджень буде апробація алгоритмів машинного навчання для збільшення показника KPI інтернет ресурсів різного типу. Наукова новизна. В результаті огляду та аналізу перспектив застосування алгоритмів машинного навчання можна дійти висновків, що алгоритми machine learning є одним з найбільш перспективних напрямів застосування штучного інтелекту при обробці великих масивів даних на проектах цифрової економіки. В результаті огляду та проведення досліджень був виявлений позитивний тренд значного зростання кількості наукових праць щодо вдалого застосування математичних методів машинного навчання у різних сферах digital-економіки. Практична значимість. Проведені дослідження дозволили виявити позитивний тренд значного зростання кількості наукових праць щодо вдалого застосування математичних методів машинного навчання у різних сферах digital-економіки.
Рефакторинг крос-платформних застосунків з використанням штучного інтелекту
(Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2024) Сирота, Олександр Анатолійович; Горячкін, Вадим Миколайович
UKR: У сфері розробки програмного забезпечення продуктивність рефакторингу коду збільшується завдяки використанню штучного інтелект (ШІ). У процесі рефакторингу можна використовувати такі методи ШІ, як машинне навчання (ML), обробка природної мови (NLP) та генетичні алгоритми (GA). Кожен з методів має певний вплив на процес, як позитивний так і негативний. Зважаючи на це робота, що виконується ШІ, вимагає ретельного управління, щоб уникнути ряду проблем, наприклад "галюцинацій". Дослідження продовжують вивчати нові методи, оцінювати порівняльну ефективність та оптимізувати моделі ШІ для конкретних фреймворків і мов.
Штучний інтелект для трансформації бізнес-процесів
(Український державний університет науки і технологій, Дніпро, 2024) Шпортько, Ганна Юріївна; Дєдик, Д. Г.
UKR: Досліджено способи, якими штучний інтелект трансформує бізнес-процеси. Розглянуто декілька інструментів штучного інтелекту щодо для автоматизації рутинних завдань у бізнесі, для аналітики та передбачення та для управління ризиками та безпекою. Показано що використання ШІ допомагає підприємствам стати більш конкурентоспроможними.
Імплементації штучного інтелекту в бібліотечну діяльність
(Ukrainian State University of Science and Technologies, Dnipro, 2024) Шемаєва, Ганна Василівна; Костирко, Тамара Миколаївна
UKR: Висвітлюються напрями впровадження штучного інтелекту в бібліотечну діяльність. Відзначається, що українські бібліотеки започатковують використовувати різні інструменти штучного інтелекту. Найактивніше використовують ChatGPT для створення медіаконтенту, редагування тексту та перекладу.