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

Результати пошуку

Зараз показуємо 1 - 6 з 6

Методичні вказівки до розрахункового завдання "Теорія графів"
(Національний технічний університет "Харківський політехнічний інститут", 2024) Марченко, Наталя Андріївна; Мельников, Олег Станіславович
В методичних вказівках розглядаються основні поняття теорії графів. Надається опис найбільш поширених алгоритмів на графах - визначення кістякового дерева екстремальної ваги, пошуку найкоротшого шляху між вершинами графа, мережевого планування. Наводяться детальні рекомендації щодо виконання розрахункового завдання з теорії графів в рамках дисципліни "Дискретна математика". Для студентів спеціальностей 122 «Комп’ютерні науки», 124 «Системний аналіз».
Нормальні марковські процеси і поля: аналіз та алгоритми
(Національний технічний університет "Харківський політехнічний інститут", 2024) Мазманішвілі, Олександр Сергійович; Мельников, Олег Станіславович
Викладено основні теоретичні положення про нормальні марковські процеси та поля, що розміщені в декартовій системі координат на осі, на площині та у просторі. Побудовані умовні та безумовні щільності розподілу ймовірностей станів аналізованих процесів і полів. Описана методика застосування теоретичних результатів для побудови алгоритмів генерації нормальних марковських процесів і полів. Представлено приклади програмної реалізації алгоритмів в обчи-слювальному середовищі Mathcad, які дозволяють візуалізувати аналізовані процеси і поля. Для студентів і аспірантів спеціальностей «Системний аналіз», «Комп’ютерні науки», «Прикладна математика», інженерів та науковців, які займаються моделюванням стохастичних процесів та систем.
Heuristic Rules for the Dynamic Pricing Problem
(Vilnius University Press, 2023) Melnikov, Oleg
This paper is devoted to the development of heuristics for the dynamic pricing problem. A discrete time model of dynamic pricing on the fixed time horizon is proposed. It is applicable to products that satisfy two properties: 1) product value expires at a certain predetermined date, and 2) consumers demand at most a single unit of the product. This type of demand structure allows deriving a simple system of recursive equations for optimal prices using dynamic programming techniques. Optimal pricing policy is expressed as a function of time to expiration and inventory levels of unsold products. An analytical solution to this problem was obtained for special cases, while for the general case, a numerical algorithm has been developed. Qualitative characteristics of the optimal pricing policy are established, and their implications for dynamics of inventories and prices are discussed. Based on these observations, a simple heuristic rule for dynamic price adjustments is proposed. Performance of this heuristic is evaluated against the optimal dynamic and fixed-price policies using Monte-Carlo experiments. Results demonstrate high efficiency of the proposed heuristic strategy and its even simpler derivatives. Heuristics’ adaptability and ease of implementation should make it suitable and attractive for small and medium businesses.
Інтелектуальний аналіз даних
(Impress, 2023) Мельников, Олег Станіславович
Розглянуто методичні основи та математичний апарат інтелектуального аналізу даних. Наведені основні алгоритми вирішення найбільш поширених задач інтелектуального аналізу даних - класифікації, регресії, кластеризації, пошуку асоціативних правил. Всі теми забезпечені прикладами для ілюстрації основних концепцій і алгоритмів, супроводжуються контрольними запитаннями та завданнями для самостійної роботи. Призначено для студентів магістерського рівня підготовки спеціальностей галузі знань «Інформаційні технології» та інших технічних спеціальностей.
Методичні вказівки до виконання лабораторної роботи "Описові характеристики випадкових послідовностей"
(2023) Мельников, Олег Станіславович; Шахновський, Юрій Сергійович
В навколишньому світі ми часто ми часто зіштовхуємось з процесами, точний перебіг яких передбачити неможливо внаслідок впливу випадкових факторів. Такі процеси називають випадковими. Неформально випадковий процес можна визначити як систему випадкових величин, пов’язаних спільним чинником, в якості якого найчастіше виступає час. Характеристики випадкового процесу у значній мірі обумовлені властивостями випадкових величин, які його створюють. Отже, для розуміння закономірностей перебігу випадкових процесів треба впевнено володіти математичним апаратом опису випадкових величин та зв’язків між ними, який вивчається в теорії ймовірностей. Метою даної лабораторної роботи є оновлення та систематизація знань щодо властивостей систем випадкових величин та їх застосування для визначення описових характеристик випадкових послідовностей. Це перша лабораторна робота з циклу робіт за програмою курсу. Робота забезпечує фахову компетенцію ФК2 - здатність до виявлення статистичних закономірностей недетермінованих явищ.
Методичні вказівки до виконання лабораторної роботи "Виявлення взаємозв’язків в статистичних даних"
(2023) Мельников, Олег Станіславович
Математичним підґрунтям всіх дисциплін, пов’язаних з аналізом даних, є теорія ймовірностей. Тому для кращого розуміння подальшого матеріалу доцільно нагадати деякі основні концепції з цієї дисципліни. Хоча перші роботи з теорії ймовірностей відносяться до XVII віка, строге визначення поняття «ймовірність» було надано радянським математиком А. Н. Колмогоровим лише в 1929 р. Воно базується на теорії множин та теорії міри і є занадто формальним для прикладних досліджень. З точки зору інтелектуального аналізу даних найбільш доречною є частотна інтерпретація ймовірності, в якої вона асоціюється з відносною частотою спостереження певної події в наявних даних. Дуже важливу роль в інтелектуальному аналізі даних відіграє поняття умовної ймовірності. На ньому базуються алгоритми байєсівської класифікації, пошуку асоціативних правил тощо. Також на базі умовних ймовірностей формалізуються загальні поняття залежних та незалежних випадкових величин. Отже, для опанування подальшого матеріалу дисципліни потрібно добре знайомство з цими та іншими базовими поняттями теорії ймовірностей. Метою даної лабораторної роботи є оновлення знань щодо умовних ймовірностей, випадкових величин і зв’язків між ними та застосування цього апарату для ідентифікації залежностей в статистичних даних.