Кваліфікаційні роботи бакалаврів
Постійне посилання зібранняhttps://repository.lntu.edu.ua/handle/123456789/182
Переглянути
2 результатів
Результати пошуку
Item type:Кваліфікаційна робота бакалавра, Аналіз статистичних характеристик мережевого трафіку та розробка моделі виявлення аномальної активності(Луцьк: ЛНТУ, 2026) Касько, Юрій МиколайовичКваліфікаційну роботу присвячено розв’язанню актуальної задачі забезпечення мережевої безпеки шляхом застосування методів машинного навчання для автоматизованого виявлення аномальної активності (кібератак). В ході дослідження здійснено детальний аналіз предметної області та обґрунтовано використання відкритого набору даних NSL-KDD, що містить 41 статистичну ознаку мережевих з'єднань. У роботі розроблено та програмно реалізовано мовою Python дві класифікаційні моделі на базі алгоритмів Дерева рішень (Decision Tree) та Випадкового лісу (Random Forest). Експериментальне дослідження виявило, що класичне Дерево рішень продемонструвало вищу загальну точність (80.20%) порівняно з ансамблевою моделлю (77.31%) на тестовій вибірці з невідомими типами загроз. Обидві моделі показали високу влучність (Precision) понад 96% при ідентифікації аномалій, що забезпечує низький рівень хибних спрацьовувань. Розроблене програмне рішення може бути інтегроване в сучасні системи виявлення вторгнень.Item type:Кваліфікаційна робота бакалавра, Аналіз методів класифікації тексту та розробка системи автоматизованого аналізу відгуків для оцінки якості послуг(Луцьк: ЛНТУ, 2026) Власюк, Юрій ВалерійовичКваліфікаційна робота складається зі вступу, чотирьох розділів, висновків, списку використаних джерел (18 найменувань) та додатків. У роботі досліджено проблему автоматизованого аналізу текстових відгуків споживачів для оцінки якості послуг та проведено порівняльний аналіз методів класифікації тексту. Реалізовано та навчено три моделі класифікації: логістична регресія з TF-IDF векторизацією, fastText та DistilBERT з процедурою fine-tuning. Порівняльний аналіз на тестовій вибірці продемонстрував перевагу трансформерного підходу: DistilBERT досяг показника Macro-F1 = 0,8265, що на 27,6 % перевищує результат логістичної регресії. Розроблено програмну систему автоматизованого аналізу відгуків з модульною архітектурою, REST API на базі FastAPI та демонстраційним веб-інтерфейсом на платформі Gradio.