1. ELARTU — Інституційний репозитарій ТНТУ імені Івана Пулюя
  2. Роботи студентів
  3. Магістр
  4. 121 — інженерія програмного забезпечення
Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam: http://elartu.tntu.edu.ua/handle/lib/44466
Full metadata record
DC poleHodnotaJazyk
dc.contributor.advisorБойко, Ігор Володимирович-
dc.contributor.authorВойтович, Ростислав Вікторович-
dc.contributor.authorVoytovych, Rostyslav-
dc.date.accessioned2024-02-06T11:49:20Z-
dc.date.available2024-02-06T11:49:20Z-
dc.date.issued2023-12-
dc.date.submitted2023-12-
dc.identifier.citationВойтович Р. В. Розробка засобів гібридної візуалізації класифікації, кластеризації та регресії в середовищі Wolfram Mathematica з використанням мови програмування Python: кваліфікаційна робота на здобуття освітнього ступеня магістр за спеціальністю „121 — інженерія програмного забезпечення“ / Р. В. Войтович . — Тернопіль: ТНТУ, 2023. — 105 с.uk_UA
dc.identifier.urihttp://elartu.tntu.edu.ua/handle/lib/44466-
dc.description.abstractМетою атестаційної роботи магістра є розробка прямих та комбінованих методів візуалізації зображень, класифікації, кластеризації і регресії для масивів даних отримуваних в результаті аналізу складних систем та їх структури. Технології розробки: Python, Wolfram Mathematica, Wolfram Cloud, Wolfram data analyst, MathCodeC++. Технології для тестування: Python Unit testing, WolframUnit. Розроблені методи спрямовані для фахівців з науки про дані та дата інжинірингу й дозволяють значно оптимізувати й збільшити ефективність їхньої роботи шляхом гібридного застосування в складних програних системах вбудованих процедур та функцій з близькоспоріднених мов Python та Wolfram Mathematica.uk_UA
dc.description.abstractThe goal of the master's certification work is to develop direct and combined methods for image visualization, classification, clustering and regression for data sets obtained as a result of the analysis of complex systems and their structure.. Development technologies: Python, Wolfram Mathematica, Wolfram Cloud, Wolfram data analyst, MathCodeC++. Technologies for testing: Python Unit testing, WolframUnit. The developed methods are aimed at specialists in data science and data engineering and can significantly optimize and increase the efficiency of their work through the hybrid use of built-in procedures and functions from closely related programming languages Python and Wolfram Mathematica in complex software systems.uk_UA
dc.description.tableofcontentsЗМІСТ 6 1. ВСТУП. АНАЛІЗ ПРЕДМЕТНОЇ ОБЛАСТІ. ПОСТАНОВКА ПРОБЛЕМИ 7 2. ЗАСОБИ ВІЗУАЛІЗАЦІЇ В PYTHON ТА MATHEMATICA. 9 2.1. Комп'ютерний зір та машинне навчання 9 2.2. Python і Mathematica як засоби для гібридної візуалізації 13 3. КЛАСИФІКАЦІЯ. РОЗРОБКА МЕТОДІВ КЛАСТЕРИЗАЦІЇ. РОЗРОБКА МЕТОДІВ РЕГРЕСІЇ 17 3.1. Класифікація найближчих сусідів 17 3.2. Логістична регресія 25 3.3. Розпізнавання цифр 30 3.4. Теоретичні основи кластеризації 45 3.5. Кластеризація зображень. 54 3.6. Просторова кластеризація додатків із шумом на основі щільності 57 3.7. Сегментація МРТ головного мозку 64 3.8. Сегментація зображення папуги 66 3.10. Реконструкція поверхні 75 3.11. Границі кільця Сатурна як задача нелінійної регресії 80 4. ОХОРОНА ПРАЦІ ТА БЕЗПЕКА В НАДЗВИЧАЙНИХ СИТУАЦІЯХ 86 4.1. Охорона праці 86 4.2. Безпека в надзвичайних ситуаціях 90 ВИСНОВКИ 94 СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ 95 ДОДАТКИ 97 ДОДАТОК А 98 1. ПІДСТАВИ ДО РОЗРОБКИ 100 2. ПРИЗНАЧЕННЯ ІНФОРМАЦІЙНОЇ СИСТЕМИ 100 3 ВИМОГИ ДО ІНФОРМАЦІЙНОЇ СИСТЕМИ 100 3.1 Функціональні вимоги 100 3.2 Технічні вимоги 101 3.3 Програмні вимоги 101 4 ЕТАПИ РОЗРОБКИ 101 5 СУПРОВІДНА ДОКУМЕНТАЦІЯ 102 6 ПОРЯДОК ЗДАЧІ ПРОЕКТУ 102 7. ВІДМІТКИ ПРО ВИКОНАННЯ ЕТАПІВ ТА ЗМІНИ В ПРОЕКТІ 102 ДОДАТОК Б 103 ДОДАТОК В 104uk_UA
dc.language.isoukuk_UA
dc.publisherТернопільський національний технічний університет імені Івана Пулюяuk_UA
dc.subject121uk_UA
dc.subjectінженерія програмного забезпеченняuk_UA
dc.subjectгібридна візуалізаціяuk_UA
dc.subjectкластеризація данихuk_UA
dc.subjectінтерполяція данихuk_UA
dc.subjectмашинне навчанняuk_UA
dc.subjectрегресія данихuk_UA
dc.subjectPythonuk_UA
dc.subjectWolfram Mathematicauk_UA
dc.titleРозробка засобів гібридної візуалізації класифікації, кластеризації та регресії в середовищі Wolfram Mathematica з використанням мови програмування Pythonuk_UA
dc.title.alternativeDevelopment of tools for hybrid visualization of classification, clustering, and regression in the Wolfram Mathematica environment using the Python programming languageuk_UA
dc.typeMaster Thesisuk_UA
dc.rights.holder© Войтович Ростислав Вікторович, 2023uk_UA
dc.contributor.committeeMemberБоднарчук, Ігор Орестович-
dc.coverage.placenameТернопільuk_UA
dc.format.pages105-
dc.subject.udc004.9uk_UA
dc.relation.references1. Banerjee T (2018): Deep Learning and Computer Vision: Converting Models for the Wolfram Neural Net Repository, Wolfram Blog, https://blog.wolfram.com/2018/12/06/deep-learning-andcomputer- vision-converting-models-for-the-wolfram-neural-net-repository/uk_UA
dc.relation.references2. Brownlee J. (2016): Time Series Prediction with LSTM Recurrent Neural Networks in Python with Keras, https://machinelearningmastery.com/time-series-prediction-lstm-recurrent-neuralnetworks- python-keras/uk_UA
dc.relation.references3. Chollet F (2017): Keras: The Python Deep Learning library, Keras Documentation, https://keras.io/uk_UA
dc.relation.references4. Chollet F (2018): Deep Learning with Python, Manning Publications Co., Shelter Island, NY Deshpande M (2017): Perceptrons: The First Neural Networks, https://pythonmachinelearning.pro/perceptrons-the-first-neural-networks/uk_UA
dc.relation.references5. Freeman J A (1994): Simulating Neural Networks with Mathematica, Addison-Wesley, Massachusettsuk_UA
dc.relation.references6. Haykin S. (2009): Neural Networks and Learning Machines,Third Edition,Prentice Hall,New York, London, Sydney,uk_UA
dc.relation.references7. Hu X, Yuan Y (2016): Deep-Learning-Based Classification for DTM Extraction from ALS Point Cloud, Remote Sens. 2016, 8, p.730uk_UA
dc.relation.references8. Melnikov O (2017): Trouble fitting simple data with MLPRegressor, stackoverflow https://stackoverflow.com/questions/41069905/trouble-fitting-simple-data-with-mlpregressoruk_UA
dc.relation.references9. Raschka S (2018): Neural Network - Multilayer Perceptron, http://rasbt.github.io/mlxtend/user_guide/classifier/MultiLayerPerceptron/uk_UA
dc.relation.references10. Redmon J (2017) Mathematica implementation of YOLO, a computer vision object detection mode Object detection and localization using neuralnetwork, Mathematica Stack Exchange Network https://mathematica.stackexchange.com/questions/141598/object-detection-and-localizationusing- neural-networkuk_UA
dc.contributor.affiliationТернопільський національний технічний університет імені Івана Пулюяuk_UA
dc.coverage.countryUAuk_UA
Vyskytuje se v kolekcích:121 — інженерія програмного забезпечення

Soubory připojené k záznamu:
Soubor Popis VelikostFormát 
dyplom_Voitovych_2023.pdf5,29 MBAdobe PDFZobrazit/otevřít
Zobrazit minimální záznam Zobrazit statistiky


Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.

Nástroje administrátora