Bu öğeden alıntı yapmak, öğeye bağlanmak için bu tanımlayıcıyı kullanınız: http://elartu.tntu.edu.ua/handle/lib/44471
Tüm üstveri kaydı
Dublin Core AlanıDeğerDil
dc.contributor.advisorЯворська, Євгенія Богданівна-
dc.contributor.authorДроздов, Віталій Ярославович-
dc.contributor.authorDrozdov, Vitaliy-
dc.date.accessioned2024-02-06T13:43:12Z-
dc.date.available2024-02-06T13:43:12Z-
dc.date.issued2023-12-
dc.date.submitted2023-12-
dc.identifier.citationДроздов В. Я. Розробка системи автоматизованого пошуку аномалій в результатах медичних досліджень: кваліфікаційна робота на здобуття освітнього ступеня магістр за спеціальністю „121 — інженерія програмного забезпечення“ / В. Я. Дроздов. — Тернопіль: ТНТУ, 2023. — 59 с.uk_UA
dc.identifier.urihttp://elartu.tntu.edu.ua/handle/lib/44471-
dc.description.abstractЦіль роботи - розробка алгоритмічного і програмного забезпечення аналізу і візуалізації результатів медичних оглядів У ході дослідження був проведено аналітичний огляд по літературним джерелам з метою уточнення досягнень світовий технологічної науки в галузі, що розглядається; аналіз та візуалізація результатів медичних оглядів; визначення аномалій у результатах медичні дослідження. У результаті дослідження проведено аналіз і візуалізація результатів медичних оглядів; розроблений алгоритм визначення аномалій в результатах медичних досліджень.uk_UA
dc.description.abstractThe goal of the work is the development of algorithmic and software analysis and visualization of the results of medical examinations In the course of the study, an analytical review of literary sources was conducted inorder to clarify the achievements of world technological science in the field under consideration; analysis and visualization of the results of medical examinations; determination of anomalies in the results of medical research. As a result of the research, an analysis and visualization of the results of medical examinations was carried out; developed an algorithm for determining anomalies in the results of medical research.uk_UA
dc.description.tableofcontentsВСТУП 7 1. ОСНОВНА ЧАСТИНА 8 1.1 Огляд літератури 8 1.2 Об'єкт і методи дослідження 15 1.2.1. Методи машинного навчання (Machine Learning) 15 1.2.2. Навчaння з вчителем (Supervised learning) 19 1.2.3. Навчання без вчителя (Unsupervised learning) 20 1.2.4.Навчання із частковим залученням вчителя (Semi-Supervised learning ) 20 1.2.6. Глибоке навчання (Deep learning) 21 1.2.7. Ансамблеві методи (Ensemble Methods) 21 2. РОЗРАХУНКИ І АНАЛІТИКА 20 2.1 Вибір програмного забезпечення 23 2.1.1. Використовувані бібліотеки "Python" 23 2.2 Завантаження і попередній аналіз даних 24 2.3 Поділ набору даних на тестову і тренувальну вибірки 24 2.4 Вибір алгоритму класифікації 22 2.4.1 Ізолюючий ліс (Isolation Forest) 25 2.4.4 Ансамблі алгоритмів 28 2.5. Результати проведеного дослідження 32 3. ОХОРОНА ПРАЦІ ТА БЕЗПЕКА В НАДЗВИЧАЙНИХ СИТУАЦІЯХ 38 3.1 Охорона праці 38 3.2. Безпека в надзвичайних ситуаціях 37 ВИСНОВОК 46 ПЕРЕЛІК ВИКОРИСТАНИХ ДЖЕРЕЛ 47 ДОДАТКИ 49uk_UA
dc.language.isoukuk_UA
dc.publisherТернопільський національний технічний університет імені Івана Пулюяuk_UA
dc.subject121uk_UA
dc.subjectінженерія програмного забезпеченняuk_UA
dc.subjectмедичні аналізиuk_UA
dc.subjectалгоритмuk_UA
dc.subjectансамблеві методиuk_UA
dc.subjectвиявлення аномалійuk_UA
dc.subjectPythonuk_UA
dc.subjectмашинне навчанняuk_UA
dc.titleРозробка системи автоматизованого пошуку аномалій в результатах медичних дослідженьuk_UA
dc.title.alternativeDevelopment of a system for automated anomaly detection in medical research resultsuk_UA
dc.typeMaster Thesisuk_UA
dc.rights.holder© Дроздов Віталій Ярославович, 2023uk_UA
dc.contributor.committeeMemberНикитюк, В'ячеслав В'ячеславович-
dc.coverage.placenameТернопільuk_UA
dc.format.pages59-
dc.subject.udc004.9uk_UA
dc.relation.references1. Anomaly Detection Principles and Algorithms 2017 Editionuk_UA
dc.relation.references2. Hands-On Machine Learning with scikit-learn and Scientific Python Toolkits(Release)uk_UA
dc.relation.references3. Beginning Anomaly Detection Using Python-Based Deep Learning: With Kerasand PyTorch 1st ed. 2019uk_UA
dc.relation.references4. Outlier Analysis 2nd ed. 2017 Editionuk_UA
dc.relation.references5. Outlier Detection: Techniques and Applications 1st Ed. 2019 Editionuk_UA
dc.relation.references6. Топ-5 мов для машинного навчання [Електронний ресурс]/ З. Стельмах. Електрон. текстові дані. 2019. URL: https://www.itweek.ru/ai/article/detail.phpuk_UA
dc.relation.references7. Kaggle [Електронний ресурс] URL:https://ua.wikipedia.org/wiki/Kaggleuk_UA
dc.relation.references8. Scikit-learn.org [Електронний ресурс] URL: https://scikitlearn.org/stable/modules/generated/sklearn.ensemble.IsolationForest.htmluk_UA
dc.relation.references9. Scikit-learn.org [Електронний ресурс] URL: https://scikitlearn.org/stable/modules/generated/sklearn.svm.OneClassSVM.htmluk_UA
dc.relation.references10. Scikit-learn.org [Електронний ресурс] URL: https://scikitlearn.org/stable/modules/generated/sklearn.covariance.EllipticEnvelope.htmluk_UA
dc.relation.references11. Історія розвитку ансамблевих методів класифікації в машинному навчанні (Робота Ю.В. Кашніцького) 2015р.uk_UA
dc.contributor.affiliationТернопільський національний технічний університет імені Івана Пулюяuk_UA
dc.coverage.countryUAuk_UA
Koleksiyonlarda Görünür:121 — інженерія програмного забезпечення

Bu öğenin dosyaları:
Dosya Açıklama BoyutBiçim 
dyplom_Drozdov_2023.pdf1,36 MBAdobe PDFGöster/Aç


DSpace'deki bütün öğeler, aksi belirtilmedikçe, tüm hakları saklı tutulmak şartıyla telif hakkı ile korunmaktadır.

Yönetim Araçları