Кафедра "Програмна інженерія та інтелектуальні технології управління ім. А. В. Дабагяна"

Постійне посилання колекціїhttps://repository.kpi.kharkov.ua/handle/KhPI-Press/1665

Офіційний сайт кафедри http://web.kpi.kharkov.ua/asu

Від січня 2022 року кафедра має назву "Програмна інженерія та інтелектуальні технології управління ім. А. В. ДАБАГЯНА" (тоді ж, у січні 2022 року в окремий підрозділ виділилася кафедра "Інформаційні системи та технології"), попередні назви – "Програмна інженерія та інформаційні технології управління" (від 2015), "Автоматизовані системи управління" (від 1977); первісна назва – кафедра автоматичного управління рухом.

Кафедра автоматичного управління рухом заснована в 1964 році задля підготовки інженерів-дослідників у галузі автоматичного управління рухом з ініціативи професора Харківського політехнічного інституту Арега Вагаршаковича Дабагяна та генерального конструктора КБ "Електроприладобудування" Володимира Григоровича Сергєєва.

Кафедра входить до складу Навчально-наукового інституту комп'ютерних наук та інформаційних технологій Національного технічного університету "Харківський політехнічний інститут".

У складі науково-педагогічного колективу кафедри працюють: 4 доктора технічних наук; 24 кандидата наук: 22 – технічних, 1 – фізико-математичних, 1 – економічних, 1 – доктор філософії; 3 співробітників мають звання професора, 19 – доцента, 1 – старшого наукового співробітника.

Переглянути

Фільтри

2020 - 20213

Налаштування

ORCID: search.filters.orcid.https://orcid.org/0000-0001-5907-3771

Результати пошуку

Зараз показуємо 1 - 3 з 3
  • Ескіз
    Документ
    Towards Classifying HTML-embedded Product Data Based On Machine Learning Approach
    (2021) Matveiev, Oleksandr; Zubenko, Anastasiia; Yevtushenko, Dmitry; Cherednichenko, Olga
    In this paper we explored machine learning approaches using descriptions and titles to classify footwear by brand. The provided data were taken from many different online stores. In particular, we have created a pipeline that automatically classifies product brands based on the provided data. The dataset is provided in JSON format and contains more than 40,000 rows. The categorization component was implemented using K-Nearest Neighbour (K-NN) and Support Vector Machine (SVM) algorithms. The results of the pipeline construction were evaluated basing on the classification report, especially the Precision weighted average value was considered during the calculation, which reached 79.0% for SVM and 72.0% for K-NN.
  • Ескіз
    Документ
    Multi-Agent Modeling of Project Management Processes in Distributed Teams
    (2021) Cherednichenko, Olga; Matveiev, Oleksandr; Yanholenko, Olha; Maneva, Rositsa
    Changes in the business environment, the innovative nature of projects, lack of necessary skills of project team members lead to increased uncertainty and inability to plan with a given degree of accuracy. Such projects use adaptive project and program management methodologies. In the field of information technology, the use of multi-agent systems is of particular interest. In the context of the use of multi-agent systems for the design of intelligent systems for various purposes, the development and study of a model and software implementation of a prototype of an agent platform are relevant. The aim of this work is to develop and research an agent platform that can be implemented in the work of the distributed team in order to improve the assignment of tasks. The paper presents the formal agent architecture as a basis of multi-agent model. The task assignment is a case study to implement and test multi-agent model prototype. The agent platform is developed based on Kotlin programming language. A prototype of the agent platform based on the FIPA specification allows to increase the productivity, scalability and interoperability of multiagent system.
  • Ескіз
    Документ
    Моделі формування рекомендацій у інтелектуальних системах електронної комерції
    (Харківський національний університет Повітряних Сил імені Івана Кожедуба, 2020) Череднічеко, Ольга Юріївна; Янголенко, Ольга Василівна; Іващенко, Оксана Віталіївна; Матвєєв, Олександр Миколайович
    Результати роботи пошукових та фільтраційних механізмів сучасних систем електронної комерції не завжди задовольняють вимоги користувачів, що проявляється у неточних та неповних рекомендаціях товарів за пошуковим запитом. Удосконалення якості рекомендацій для покупців онлайн торгівельних платформ є актуальною задачею. Дана робота наводить моделі формування рекомендацій на основі методів кластерного аналізу, які дозволяють згрупувати схожі товари та схожих клієнтів за їхніми характеристиками. Наведені результати експерименту щодо формування рекомендацій придбання рюкзаків для покупців онлайн магазину спортивного обладнання.