Кафедра "Системний аналіз та інформаційно-аналітичні технології"
Постійне посилання колекціїhttps://repository.kpi.kharkov.ua/handle/KhPI-Press/7644
Офіційний сайт кафедри http://web.kpi.kharkov.ua/say
Кафедра "Системний аналіз та інформаційно-аналітичні технології" заснована в 1982 році.
Кафедра входить до складу Навчально-наукового інституту комп'ютерних наук та інформаційних технологій Національного технічного університету "Харківський політехнічний інститут". Випускники кафедри працюють у провідних ІТ-компаніях: EPAM, CloudWorks, DataArt, MedeAnalytics, NIX Solutions, CodeIT, Ciklum та багатьох інших в Україні та за кордоном.
У складі науково-педагогічного колективу кафедри працюють: 4 доктора технічних наук; 9 кандидатів наук: 8 – технічних , 1 – економічних; 4 співробітника мають звання професора, 9 – доцента.
Переглянути
4 результатів
Результати пошуку
Документ Методичні вказівки до лабораторної роботи "Створення системи розпізнавання зображень на основі регресійного класифікатору"(Національний технічний університет "Харківський політехнічний інститут", 2024) Колбасін, Вячеслав ОлександровичСучасні технології дають можливість відчутно автоматизувати сфери діяльності, які раніше були притаманні виключно людині. Однією з таких сфер є розпізнавання образів, зокрема зображень. Технології розпізнавання знаходять своє місце як для вирішення промислових задач у випадку систем технічного комп’ютерного зору, так і в побутових задачах, таких як оптичне розпізнавання тексту та розпізнавання природньої мови. Більшість новітніх технологій розпізнавання використовують штучні нейронні мережі, за рахунок чого отримують реальний прорив в якості розпізнавання. Але вони є складними та достатньо вимогливими до ресурсів, що відбивається на економічній ефективності систем. Тому класичні алгоритми класифікації і досі знаходять своє використання в багатьох практичних застосунках. Також класичні технології розпізнавання є дуже зручними для того, щоб приділити увагу не стільки самому алгоритму розпізнавання, скільки тому, як система розпізнавання будується, яким обов’язковим елементам системи та етапам її побудови має бути приділена увага. Лабораторна робота «Створення системи розпізнавання зображень на основі регресійного класифікатора» присвячена опануванню стандартних етапів побудови системи розпізнавання двох класів зображень на основі класичного алгоритму класифікації – логістичної регресії. В процесі виконання лабораторної роботи пропонується створити процедуру виділення вектору ознак, виконати навчання моделі та оцінити якість створеної системи розпізнавання. Практичні навички та наробки, отримані в ході виконання лабораторної роботи будуть корисними у подальшому вивченні дисципліни «Розпізнавання образів» та можуть стати при нагоді у подальшій практичній діяльності інженера в ролі інженера машинного навчання або інженера роботи з даними. Мета: отримати практичні навички з побудови та оцінки якості систем розпізнавання образів на прикладі використання методу логістичної регресії для вирішення задачі класифікації у середовищі Jupyter Notebook.Документ Методичні вказівки до лабораторної роботи "Основи об'єктно-орієнтованого програмування мовою Java"(Національний технічний університет "Харківський політехнічний інститут", 2024) Колбасін, Вячеслав Олександрович; Сидоренко, Ганна ЮріївнаПоява комп'ютерних мереж змінило стиль та методи сучасного програмування. Сучасні програми створюються так, щоб їх можна було виконувати на будь-якій платформі та швидко змінювати під конкретні вимоги замовника. Для досягнення цього були створені, так звані керовані мови програмування, до яких відносяться мова програмування Java та група мов, що поєднані використанням платформи .Net. Ці мови поєднує двостадійна компіляція: спочатку в тимчасовій байт-код, а потім – до машинного коду платформи, на якій виконується програма, за рахунок цього забезпечується кросплатформеність. Програми, які написані на мові програмування Java, можуть виконуватися на переважній більшості сучасних комп'ютерів та пристроїв, що переносяться, тому знання цієї мови дозволяє вирішувати велику кількість практичних задач. Але сама мова програмування не є дуже простою. У Java суттєво змінено модель об'єктно-орієнтованого програмування, що викликає певні складності при переході з мови програмування С++. Методичні вказівки містять опис принципів побудови мови програмування Java, головні відмінності між мовами С++ та Java, а також опис найбільш популярного інтегрованого середовища розробки Eclipse. Завдання на лабораторну роботу є наближеним до практики та відображає частину циклу розробки прикладного застосування. Метою роботи є ознайомлення з середовищем розробки Eclipse та створення програми, що реалізує контейнер об'єктів.Документ Методичні вказівки до розрахункового завдання "Аналіз польотів цивільної авіації"(Національний технічний університет "Харківський політехнічний інститут", 2024) Колбасін, Вячеслав ОлександровичУ сучасному цифровому світі обсяги даних невпинно зростають, а їх обробка та аналіз стає все більш важливою задачею для підприємств та організацій. Спростити роботу з даними та допомогти там, де сама робота з даними є проблемою, можна за допомогою технологій обробки великих обсягів даних (також їх називають технологіями інженерії даних та технологіями Big Data). Технології інженерії даних дозволяють багатьом підприємствам вивести на новий рівень прийняття рішень на основі даних, провести оптимізацію бізнес-процесів та зробити крок вперед в прогнозуванні та аналітиці. Для цього потрібні платформи обробки даних, на основі яких далі буде створене прикладне програмне забезпечення. На теперішній час таких платформ та технологій було створено доволі багато і здебільшого всі вони є розвитком базових відкритих платформ інженерії даних Apache Hadoop, Apache Hive та Apache Spark. Тому ці три технології є базовими у дисциплінах інженерії даних та мають використовуватись при виконанні розрахункового завдання. Розрахункове завдання «Аналіз польотів цивільної авіації» присвячене вирішенню типових задач аналізу даних за допомогою технологій Apache Hive та Apache Spark. В процесі виконання розрахункового завдання треба буде не тільки провести певний аналіз даних та отримати вірний результат, але і розібратися з тим, як ці дані завантажити, перетворити в зручний формат та оптимізувати виконання запитів. Практичні навички та наробки, отримані в ході виконання завдання можуть стати корисними у подальшій практичній діяльності інженера по роботі з даними. Мета: отримати практичні навички з обробки та аналізу великих обсягів даних за допомогою технологій Apache Hive та Apache Spark на платформі Apache Hadoop.Документ Методичні вказівки до лабораторних робіт модуля "Статистичні методи стиснення інформації"(Національний технічний університет "Харківський політехнічний інститут", 2024) Колбасін, Вячеслав Олександрович; Сидоренко, Ганна Юріївна; Шахновський, Юрій СергійовичСтатистичні методи стиснення даних відносяться до найбільш поширених класичних алгоритмів стиснення інформації, що використовуються майже повсюди. У тому числі вони застосовуються у видавництві, як самостійно – для стиснення текстової та бінарної інформації, так і у складі комплексних методів стиснення зображень та інших мультимедійних даних. Дані методи стиснення основані на усуненні надлишку інформації, яка міститься у вихідних даних, у сенсі інформаційної ентропії Шеннона. Тобто ці методи виконують заміну кодів символів таким чином, щоб символи, які зустрічаються часто, були закодовані кодами меншої довжини. При такому підході до кодування вихідне повідомлення може мати будь-який формат і будь-яке походження та бути відтвореним (декодованим) без спотворень.