Кафедри
Постійне посилання на розділhttps://repository.kpi.kharkov.ua/handle/KhPI-Press/35393
Переглянути
19 результатів
Результати пошуку
Публікація Digital technologies in personnel management(UKEY Consultancy & Publishing, 2024) Makovoz, Oksana; Lysenko, SergiiThis paper examines the pivotal role of digital technologies in the transformation of personnel management within contemporary enterprises. As businesses increasingly emphasize efficiency, adaptability, and innovation, digitalization in human resources (HR) management is becoming indispensable. The integration of cutting-edge technologies such as Artificial Intelligence (AI), Big Data, Machine Learning (ML), the Internet of Things (IoT), and 5G within HR processes stands at the forefront of this transformation, enhancing productivity and fostering sustainable organizational development. The study focuses on several critical aspects of HR digital transformation including recruitment, employee development, performance evaluation, and engagement strategies. It systematically examines the impact of digital technologies on these HR functions and assesses how they contribute to creating a more effective work environment. The research underscores the potential of digital tools to not only streamline HR processes but also to enhance employee satisfaction and organizational efficiency. Empirical evidence from leading companies that have successfully integrated digital HR solutions suggests significant cost reductions and improved operational efficiency. The paper analyzes these cases to identify the benefits and challenges associated with HR digitalization. It further discusses the implications of these technologies on corporate culture and the overall workforce management. Ultimately, this article provides a comprehensive overview of the challenges and opportunities presented by HR digitalization. It offers insights into effective strategies for implementing digital transformations in HR processes, based on practical examples from industry leaders. The findings aim to assist organizations in making informed decisions about optimizing their HR operations through digital technologies, thereby enhancing their overall effectiveness and adaptability in the digital era.Документ Перспективи використання штучного інтелекту у фінансовому обліку(Національний університет "Запорізька політехніка", 2023) Трачова, Д. М.; Давидюк, Тетяна Вікторівна; Демчук, О. М.Використання можливостей штучного інтелекту в фінансовому обліку підприємств поступово переходить із сфри суто наукових досліджень в практку використання суб’єктами господарювання. Результати самого популярного напряпку використання штучногоінтелекту, а саме машинного навчаня в питаннях прогнозування, виявлення помилок та шахрайства стає буденною справою та має величезні позитивні результати.Однак в умовах економіки, яка динамічно ровивається та змінюється, на яку мають вплив економічні, політичні, геополітичині показники, мають особливу цінність не стандартні, я саме орігінальні, нетипові рішення, які базуються не тільки на відомих алгоритмах, а і на професійному судженні та нестандартному бачення фахівця бухгалтерського обліку. Саме це є перспективним напрямом розвитку використання штучного інтелекту та додає економічну тапсихологічну складову до технічних та інформаційних процесів.Публікація Using machine learning to assess the compliance of business process models with textual descriptions(Національний авіаційний університет, 2024) Rudskyi, O. V.; Kopp, Andrii MykhailovychThis article discusses the problem of comparing business process models with their textual descriptions. This article employs a Systematic Literature Review (SLR) methodology to explore methods for comparing textual descriptions with business process models, aiming to enhance accuracy, identify discrepancies, and foster a common understanding among stakeholders.Документ Modeling the Efficiency of Operating Costs in Introducting Innovations in the Agrarian Sphere: Efficiency of Innovations in Crop Production(IGI Global, 2023) Oliinyk, Oleksandr; Oliynik, Tamila; Makogon, Vitaly; Brik, SvіtlanaThe purpose of the work is to demonstrate the results of modeling the impact of innovation on the efficiency of operating costs for crop production by agricultural enterprises. Based on the dialectical method of cognition, abstract-logical, and graphic methods were used; nonlinear correlation-regression analysis and economic-mathematical modeling It is established that the innovations of technical and technological character contribute to the increase of the extremum of the yield function. At the same time, the impact of innovation on the profit function is twofold. In the case of free product innovation, an increase in output estimated at market prices generates an increase in the extremum of the profit function while increasing the profit optimum of costs. That is why the latter is approaching the technological optimum. In turn, the innovation payoff affects the profit curve, reducing the value of the cost optimum and the function extremum. However, a significant increase in the cost of an innovative product can lead to a decrease in profit below the achieved levelДокумент Recommender systems synthesis and analysis for goods and services sale with cold start problem(Lviv Polytechnic National University, 2023) Baran, Mykola; Chyrun, Lyubomyr; Vysotska, Victoria; Andrunyk, Vasyl; Nazarova, Tetiana Yu.The article develops a general approach to solving the problem of cold start with the possibility of flexible operation of the algorithm. An analysis of the features of the construction of a recommender system was carried out, as a result of which it was found that today there are a number of problems, the implementation of which requires taking into account many parameters depending on the specifics of the subject area, which served as an incentive for further analysis. It is noted that the process of collecting user data is a rather complex and time-consuming process that has several implementation principles. This is due to the fact that not every user provides sufficient information for further work, which in fact creates further complications due to the insufficient amount of information. One of the ways to solve this problem is to apply intelligent methods to construction, namely, machine learning methods. The main aspects of algorithms and methods of their improvement are briefly described. The hybrid method implementation for a system construction, as well as its performance testing in comparison with the classical k-means algorithm, is carried out. Scalability and ways to improve are also taken into account during implementation.Публікація Evolution of chatbots in the era of artificial intelligence(2023) Chernobrovkina, S. V.; Chernobrovkin, A. V.Документ Розробка методу ідентифікації стану комп'ютерної системи на основі нечітких дерев рішень(Національний університет "Полтавська політехніка ім. Юрія Кондратюка", 2023) Гавриленко, Світлана Юріївна; Челак, Віктор ВолодимировичПредметом дослідження є методи та засоби ідентифікації стану комп'ютерної системи. Метою статті є підвищення якості класифікації даних за рахунок розробки методу ідентифікації стану комп’ютерної системи. Завдання: дослідити методи ідентифікації стану комп’ютерної системи та розробити метод класифікації стану комп'ютерної системи з метою захисту даних. Використовуваними методами є: методи штучного інтелекту, машинного навчання. Отримано такі результати: досліджено методи ідентифікації стану комп’ютерної системи KNN (k-nearest neighbors), метод опорних векторів (SVM), нейронні мережі, дерева рішень. Запропоновано метод ідентифікації стану комп’ютерної системи на основі нечітких дерев рішень, який відрізняється від відомих методів побудови наявністю спеціальної процедури фазифікації атрибутів вихідних даних та побудови функції приналежності. Розроблено програмне забезпечення, в якому реалізовано та досліджено запропонований метод вирішення задачі ідентифікації стану комп'ютерної системи. Висновки. Наукова новизна отриманих результатів полягає у дослідженні методів ідентифікації стану комп'ютерної системи, розробці методу на основі нечітких дерев рішень, оцінці якості моделі на етапі навчання та тестування, виконання порівняльного аналізу.Документ Дослідження методів виявлення аномалій на етапі попередньої обробки даних(Національний університет "Полтавська політехніка ім. Юрія Кондратюка", 2022) Гавриленко, Світлана Юріївна; Зозуля, В. Д.Предметом дослідження є методи та засоби виявлення аномалій в даних. Метою статті є підвищення якості класифікації даних за рахунок виявлення аномалій на етапі їх попередньої обробки. Завдання: дослідити методи виявлення аномалій на етапі попередньої обробки даних, визначити поріг прийняття рішень anomaly_score для кожного із методів та оцінити якість класифікації до та після preprocessing. Використовуваними методами є: методи штучного інтелекту, машинного навчання, ансамблеві методи. Отримано такі результати: досліджено методи виявлення аномалій: метод стандартного відхилення (Standard Deviation Method), метод локального рівня викидів (Local Outlier Factor), метод Ізолюючого лісу (Isolation Forest). Отримано залежність кількості аномалій від порогу прийняття рішень для кожного із методів. Оцінку якості попередньої обробки даних виконано з використанням класифікаторів на основі методів KNN та беггінгу (Bagging). Досліджені методи реалізовані програмно з використанням хмарного сервісу GOOGLE COLAB на основі Jupyter Notebook. Висновки. Наукова новизна отриманих результатів полягає у дослідженні методів виявлення аномалій на етапі попередньої обробки даних, вибору мета-алгоритму preprocessing та визначення оптимальних параметрів його налаштування.Документ Розробка методу ідентифікації стану комп'ютерної системи на основі алгоритму "Isolation Forest"(Запорізький національний технічний університет, 2021) Гавриленко, Світлана Юріївна; Шевердін, Ілля ВалентиновичАктуальність. Розглянуто задачу ідентифікації стану комп’ютерної системи. Об’єктом дослідження є процес ідентифікації стану комп’ютерної системи. Предметом дослідження є методи та засоби ідентифікації стану комп’ютерної системи. Мета. Метою роботи є розробка методу ідентифікації стану комп’ютерної системи. Метод. Розроблено метод ідентифікації стану комп’ютерної системи на основі комплексного використання процедури групування нерозмічених вихідних даних та технології машинного навчання на основі алгоритму «Isolation Forest», який надає можливість ідентифікувати стан комп’ютерної системи і виділити назву процесу, який спричинив аномальний стан. Для цього запропоновано процедуру та розроблено програмний додаток для збору статистичних даних у вигляді подій функціонування операційної системи та виконано їх аналіз. Отримано, що найбільш інформативними є операції читання та запису. Для формування єдиного датасету, операції читання та запису зіставлено з назвою процесу та об’єднано в один масив груп подій, що надалі дозволяє виділити процес, який спричиняє аномальний стан комп’ютерної системи. За результатами дослідження, у якості складової методу ідентифікації стану комп’ютерної системи використано ансамблевий алгоритм «Isolation Forest». Проведено оцінку точності та оперативності розробленого методу ідентифікації стану комп’ютерної системи. Результати. Розроблений метод реалізований програмно і досліджений під час розв’язання задачі ідентифікації аномалій функціонування комп’ютерної системи. Висновки. Проведені експерименти підтвердили працездатність запропонованого методу, що надає можливість рекомендувати його для практичного використання з метою підвищення оперативності ідентифікації стану комп’ютерної системи та використання його у якості експрес-методу. Перспективи подальших досліджень можуть полягати в розробці ансамблю нечітких дерев рішень на основі запропонованого методу, оптимізації його програмних реалізації.Документ Ідентифікація стану комп'ютерної системи на основі ансамблевого методу класифікації(Національний університет "Полтавська політехніка ім. Юрія Кондратюка", 2020) Гавриленко, Світлана Юріївна; Шевердін, Ілля ВалентиновичПредметом статті є дослідження методів ідентифікації стану комп’ютерної системи. Метою статті є розробка методу ідентифікації аномального стану комп’ютерної системи на основі ансамблевих методів. Завдання. Дослідити та виділити події операційних системах сімейства Windows, розробити програмне забезпечення для виділення подій; дослідити використання ансамблевих класифікаторів на основі беггінгу та бустінгу та дерев рішень для ідентифікації стану комп’ютерної системи. Використовуваними методами є: методи машинного навчання та ансамблеві методи класифікації. Отримано такі результати: У якості вихідних даних виділено наступні класи подій операційних системах сімейства Windows: події міжпроцесної комунікації, події взаємодії з файловою системою, події інтернет-з’єднання, події взаємодії з реєстром. Досліджено методи ідентифікації аномального стану комп’ютерних систем на базі ансамблевих методів, а саме беггінгу, бустінгу та дерева рішень J48 для ідентифікації стану комп’ютерної системи. Виконано оцінку ефективності розроблених ансамблевих класифікаторів. За результатами досліджень для ідентифікації стану комп’ютерної системи запропоновано ансамблевий метод класифікації на основі беггінгу та дерева рішень J48. Висновки. Наукова новизна отриманих результатів полягає у виділенні процесів функціонування комп’ютерної системи та створенні ансамблевого методу для на основі беггінгу та дерева рішень J48, що надає можливість підвищити точність ідентифікації стану комп’ютерної системи.