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

20182

Налаштування

ORCID: search.filters.orcid.https://orcid.org/0000-0002-9649-0264

Результати пошуку

Зараз показуємо 1 - 2 з 2
  • Ескіз
    Документ
    Інтелектуальний аналіз пропозицій товарів на основі контекстних рекомендацій
    (НТУ "ХПІ", 2018) Чередніченко, Ольга Юріївна; Іващенко, Оксана Віталіївна; Гонтар, Юлія Миколаївна; Ворона, Борис Михайлович
    Інтернет-технології є невід’ємною складовою відносин, які виникають у сучасному суспільстві. Через швидке впровадження та зручність електронних майданчиків, прогнозовано зростає попит на ринку IT-продуктів для рекомендаційних систем. У статті розглянуті різноманітні обмеження поточних рекомендаційних методів та обговорено можливі розширення, що можуть покращити рекомендаційні можливості та зробити їх більш ціностними для широкого кола додатків. Ці розширення включають покращення сприймання користувачів та елементів, включення контекстної інформації в рекомендаційний процес, підтримка багатокритеріальних рейтингів та надання більш гнучких і водночас менш нав’язливих типів рекомендацій. Важливу роль відіграє інтеграція діяльності, якаполягає у підтримці усіх аспектів електронної комерції від виконання транзакцій до підтримки мережі постачання, що дає змогу спростити документообіг та збільшити вигоду учасників.Направленість даної розробки – проводити аналітичну обробку даних торгівельних майданчиків, на основі контекстних рекомендацій, об’єктивний аналіз та здійснювати актуальний моніторинг ділової активності на торговельному майданчику. Розглянуто задачу складання різноманітних аналітичних звітів, що дозволить учасникам ринку IT-продуктів для рекомендаційних систем об’єктивно і своєчасно аналізувати розвиток ситуації на ринку, виявляти існуючі та прогнозні тенденції. Побудова сфери надання інтелектуальних аналітичних послуг здійснюється для залучення додаткових учасників, або якісно нових гравців ринку та одержання додаткового прибутку.Для обробки доцільно використовувати принципово нові технології Data Mining, що дозволить отримати якісно цінні дані. Data Mining – це технологія, призначена для пошуку у великих інформаційних масивах неочевидних даних, об’єктивних, корисних на практиці закономірностей.
  • Ескіз
    Документ
    Development and research of models and software for the recommender system of consumer goods
    (НТУ "ХПІ", 2018) Turetskyi, Andrii Olehovych; Vorona, Borys Mykhailovych; Vovk, Maryna Anatoliivna; Yershova, Svitlana Ivanivna
    There have been proposed investigation of the problem of creating recommendations with technical description for building the Recommender System of consumer goods with help of modern algorithms, approaches, principles and contains the investigation of the most popular methods. It was defined, that the deployment of Recommender Systems is one of the rapidly developing areas for improving applied information technolog ies, tools for automatic generating offers service based on the investigation of the personal needs and profile of customers. It was investigated, that such systems have started to play a very important role in the fast growing Internet, as they help users to navigate in a large amount of information, because users are not able to analyze a large amount of information, because it is very difficult and takes a lot of time and effort, but due to such systems, namely Recommender Systems that are able to filter a large amount of information, and provide for users the information and recommendations their likes the problem can be solved and instead of providing the static information, when users search and, perhaps, buy products, Recommender Systems increase the degree of interactivity to expand the opportunities provided to the user. It was defined, that Recommendation systems form recommendations independently for each specific user based on past purchases and searches, and also on the basis of the behavior of other users with help of recommendation services, which collect different information about a person using several methods and at the same time all systems are shared. An overview of content-based, collaborative filtering and hybrid methods was performed. An overview of Alternating Least Squares and Singular Value Decomposition recommendation algorithms was performed. The design of the Recommender System of consumer goods software component was described. The main features of software implementation and programming tools for the system which is being developed were explained. The conclusions about the problems of Recommender Systems and the review of existing algorithms were made.