1. ELARTU — Інституційний репозитарій ТНТУ імені Івана Пулюя
  2. Роботи студентів
  3. Магістр
  4. 122 — комп’ютерні науки
Empreu aquest identificador per citar o enllaçar aquest ítem: http://elartu.tntu.edu.ua/handle/lib/50843
Registre complet de metadades
Camp DCValorLengua/Idioma
dc.contributor.advisorМарценко, Сергій Володимирович-
dc.contributor.advisorMartsenko, Serhii-
dc.contributor.authorДоберчак, Олексій-
dc.contributor.authorDoberchak, Oleksii-
dc.date.accessioned2026-01-02T09:17:22Z-
dc.date.available2026-01-02T09:17:22Z-
dc.date.issued2025-12-22-
dc.date.submitted2025-12-08-
dc.identifier.citationДоберчак О. В. Розробка рекомендаційної системи для онлайн-стрімінгових платформ : робота на здобуття кваліфікаційного ступеня магістр : спец. 122 - комп’ютерні науки / наук. кер. С. В. Марценко. Тернопіль : Тернопільський національний технічний університет імені Івана Пулюя, 2025. 47 с.uk_UA
dc.identifier.urihttp://elartu.tntu.edu.ua/handle/lib/50843-
dc.descriptionРоботу виконано на кафедрі комп'ютерних наук Тернопільського національного технічного університету імені Івана Пулюя. Захист відбудеться 22.12.2025р. на засіданні екзаменаційної комісії №32 у Тернопільському національному технічному університеті імені Івана Пулюяuk_UA
dc.description.abstractВідеоконтент надається споживачам за допомогою мереж доставки контенту (CDN). Зазвичай відео транслюється на вимогу, але прямі трансляції здійснюються все частіше (наприклад, відеоконтент у прямому ефірі в YouTube Live). Для забезпечення кінцевим користувачам відеопотоки високої якості, оригінальне відео має бути перекодовано для доставки через CDN. Архітектура програмного забезпечення для ведення прямих ефірів з прогнозуванням віртуальних ресурсів для рекомендацій контенту та для транскодування відео в реальному часі може здійснюватись на основі платформи Kubernetes чи власного програмного забезпечення, як у Netflix, наприклад.uk_UA
dc.description.abstractVideo content is delivered to consumers via content delivery networks (CDNs). Video is typically delivered on-demand, but live streaming is becoming increasingly common (e.g., live video content on YouTube Live). To provide high-quality video streams to end users, the original video must be transcoded for delivery via the CDN. The architecture of a live streaming software with predictive virtual resources for content recommendations and real-time video transcoding can be built on Kubernetes or on proprietary software, such as Netflix.uk_UA
dc.description.tableofcontentsВСТУП 6 1 ОГЛЯД ТЕХНОЛОГІЙ ШІ АГЕНТІВ 8 1.1 Типи задач, для вирішення яких використовуються ШІ агенти 8 1.2 Агентські проти неагентних чат-ботів ШІ 10 1.3 Принципи роботи ШІ агентів 11 1.4 Типи агентів штучного інтелекту 12 1.5 Варіанти використання агентів штучного інтелекту та переваги їх використання 18 1.6 Асистенти зі штучним інтелектом як об'єкт дослідницької роботи 23 2 АНАЛІЗ ШІ АГЕНТІВ ЯК АСИСТЕНТІВ АВТОМАТИЗАЦІЇ БІЗНЕС-ПРОЦЕСІВ 26 2.1 Огляд можливостей агентів штучного інтелекту в задачах обслуговування клієнтів 26 2.2 Варіанти використання агентів штучного інтелекту 28 2.3 Варіанти використання агентів ШІ в обслуговуванні клієнтів 36 2.4 Інтеграція штучного інтелекту в ширшу стратегію взаємодії з клієнтами 38 3 Опис ПРОЄКТУ ПРОПОНОВАНОЇ СИСТЕМИ 40 3.1 Типи архітектур ШІ агентів 40 3.2 Типи агентів архітектури 42 3.3 Реактивні, деліберативні та когнітивні архітектури 47 3.4 Принцип взаємодії агентів в мультиагентній архітектурі 47 3.5 Приклад побудови ШІ агента супроводу користувача 53 4 ОХОРОНА ПРАЦІ ТА БЕЗПЕКА В НАДЗВИЧАЙНИХ CИТУАЦІЯХ 56 4.1 Питання щодо охорони праці в ІТ-галузі 56 4.2 Питання щодо безпеки в надзвичайних ситуаціях 58 ВИСНОВКИ 61 СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ 63 ДОДАТКИuk_UA
dc.format.extent47-
dc.language.isoukuk_UA
dc.publisherТНТУ ім. І.Пулюя, ФІС, м. Тернопіль, Українаuk_UA
dc.subject122uk_UA
dc.subjectкомп’ютерні наукиuk_UA
dc.subjectрекомендаційна системаuk_UA
dc.subjectстрімінгова платформаuk_UA
dc.subjectмашинне навчанняuk_UA
dc.subjectколаборативна фільтраціяuk_UA
dc.subjectконтентна фільтраціяuk_UA
dc.subjectперсоналізаціяuk_UA
dc.subjectалгоритмиuk_UA
dc.subjectвеликі даніuk_UA
dc.subjectrecommendation systemuk_UA
dc.subjectstreaming platformuk_UA
dc.subjectmachine learninguk_UA
dc.subjectcollaborative filteringuk_UA
dc.subjectcontent-based filteringuk_UA
dc.subjectpersonalizationuk_UA
dc.subjectalgorithmsuk_UA
dc.subjectbig datauk_UA
dc.titleРозробка рекомендаційної системи для онлайн-стрімінгових платформuk_UA
dc.title.alternativeDevelopment of a Recommendation System for Online Streaming Platformsuk_UA
dc.typeMaster Thesisuk_UA
dc.rights.holder© Доберчак Олексій, 2025uk_UA
dc.contributor.committeeMemberЯсній, Олег Петрович-
dc.contributor.committeeMemberYasniy, Oleg-
dc.coverage.placenameТернопільuk_UA
dc.subject.udcУДК 004.8:004.89іuk_UA
dc.relation.references1. Behnam N. Using Traffic Modeling to Load-Balance Netflix Traffic at Global Scale. InfoQ. URL: https://www.infoq.com/presentations/load-balancing-netflix/ (date of access: 16.10.2025).uk_UA
dc.relation.references2. Vora M., Berglund A., Sadafal V. Distributing Content to Open Connect. Distributing Content to Open Connect. URL: https://netflixtechblog.com/distributing-content-to-open-connect-3e3e391d4dc9 (date of access: 11.09.2025).uk_UA
dc.relation.references3. Keck C. A look under the hood of the most successful streaming service on the planet. The Verge. URL: https://www.theverge.com/22787426/netflix-cdn-open-connect (date of access: 16.11.2025).uk_UA
dc.relation.references4. Lives Ceptro - Home. URL: https://intrarede.nic.br/files/apresentacao/arquivo/850/Live%20Intra%20REDE%20Nic.br%202020.pdf (дата звернення: 10.12.2025).uk_UA
dc.relation.references5. Vora M., Berglund A., Sadafal V. Introducing Netflix’s Key-Value Data Abstraction Layer. Medium.com. URL: https://netflixtechblog.com/introducing-netflixs-key-value-data-abstraction-layer-1ea8a0a11b30 (date of access: 16.10.2025).uk_UA
dc.relation.references6. Шумова, Л. О., Рязанцев, О. І., & Покришка, С. А. (2023). Mоделі машинного навчання для формування рекомендацій. Вісник Східноукраїнського національного університету імені Володимира Даля, (2 (278)), 96-105.uk_UA
dc.relation.references7. ШЕВЧЕНКО, С., ЖДАНОВА, Ю., & ДАНИЛЮК, О. (2024). АНАЛІЗ ТА ДОСЛІДЖЕННЯ ХАРАКТЕРИСТИК АЛГОРИТМІВ У РЕКОМЕНДАЦІЙНИХ СИСТЕМАХ. Вісник Херсонського національного технічного університету, (4 (91)), 367-376.uk_UA
dc.relation.references8. Пасічник, В. В., Юнчик, В. Л., Кунанець, Н. Е., & Федонюк, А. А. (2022). Використання нечіткої логіки у процесі експертного оцінювання електронних навчальних ресурсів. Scientific Bulletin of UNFU, 32(4), 66-76.uk_UA
dc.relation.references9. Pankiv, Y., Kunanets, N., Artemenko, O., Veretennikova, N., & Nebesnyi, R. (2021, September). Project of an intelligent recommender system for parking vehicles in smart cities. In 2021 IEEE 16th International Conference on Computer Sciences and Information Technologies (CSIT) (Vol. 2, pp. 419-422). IEEE.uk_UA
dc.relation.references10. Matsyuk, O., Nazaruk, M., Turbal, Y., Veretennikova, N., & Nebesnyi, R. (2018, September). Information analysis of procedures for choosing a future specialty. In Conference on Computer Science and Information Technologies (pp. 364-375). Cham: Springer International Publishing.uk_UA
dc.relation.references11. Небесний, Р. М. (2023). Рекомендаційна система формування команд виконавців з відповідними фаховими компетентностями (Doctoral dissertation, Тернопільський національний технічний університет імені Івана Пулюя).uk_UA
dc.relation.references12. Ржеуський, А., Кунанець, Н., & Стахів, М. (2018). Рекомендаційна система інформаційного обслуговування користувачів бібліотек. У Матеріали V науково-технічної конференції "Інформаційні моделі, системи та технології" (с. 37). Тернопіль: ТНТУ.uk_UA
dc.relation.references13. Голінько В. І. Охорона праці в галузі інформаційних технологій: навч. посіб. / В. І. Голінько, М. Ю. Іконніков, Я. Я. Лебедєв; М-во освіти і науки України, Держ. вищий навч. закл. "Нац. гірн. ун-т". - Дніпропетровськ: НГУ, 2015. - 246 с.uk_UA
dc.relation.references14. Гандзюк М.П. Основи охорони праці: Підручник. 4-е вид./Гандзюк М.П., Желібо Є.П., Халімовський М.О. - Київ: Каревела, 2008. – 384с.uk_UA
dc.relation.references15. Техноекологія та цивільна безпека. Частина «Цивільна безпека»: Навчальний посібник; укл.: Стручок В. С. Тернопіль: ФОП Паляниця В.А., 2022. 150 с.uk_UA
dc.relation.references16. Безпека в надзвичайних ситуаціях. Методичний посібник для здобувачів освітнього ступеня «магістр» всіх спеціальностей денної та заочної (дистанційної) форм навчання / укл.: Стручок В. С. Тернопіль: ФОП Паляниця В. А., 2022. 156 с.uk_UA
dc.relation.references17. Умови праці працівників, які використовують у роботі персональні комп'ютери. Zolochiv.Net. URL: https://zolochiv.net/umovy-pratsi-pratsivnykiv-iaki-vykorystovuiut-u-roboti-personal-ni-komp-iutery/ (дата звернення: 25.10.2024).uk_UA
dc.contributor.affiliationТНТУ ім. І. Пулюя, Факультет комп’ютерно-інформаційних систем і програмної інженерії, Кафедра комп’ютерних наук, м. Тернопіль, Українаuk_UA
dc.coverage.countryUAuk_UA
dc.identifier.citation2015Доберчак О. В. Розробка рекомендаційної системи для онлайн-стрімінгових платформ : робота на здобуття кваліфікаційного ступеня магістр : спец. 122 «Комп’ютерні науки» / наук. кер. С. В. Марценко. Тернопіль : ТНТУ, 2025. 47 с.uk_UA
Apareix a les col·leccions:122 — комп’ютерні науки

Arxius per aquest ítem:
Arxiu Descripció MidaFormat 
Mag_2025_SNm_61_Doberchak_O.pdfДипломна робота2,89 MBAdobe PDFVeure/Obrir
Mostrar el registre simplificat de l'ítem


Els ítems de DSpace es troben protegits per copyright, amb tots els drets reservats, sempre i quan no s’indiqui el contrari.

Eines d'Administrador