Global ETD Search

181	Проектирование системы анализа данных для отбора заявок на финансирование цифровых проектов в регионе : магистерская диссертация / Designing a data analysis system for selecting applications for financing digital projects in the region Борисенко, С. А., Borisenko, S. A. January 2024 (has links) В данной ВКР исследуется и разрабатывается система анализа данных для отбора заявок на финансирование цифровых проектов. Были изучены основы проектирования таких систем, разработана методика оценки ИТ-проектов, собраны и подготовлены данные, реализована модель машинного обучения на основе нечеткой кластеризации, прошедшая тестирование. В результате была отмечена высокая точность модели, но также указано на возможные сложности в определении ИТ-проектов из-за наложения кластеров. Стоимость внедрения прототипа проекта составляет 304000 рублей за 4 месяца работы двух специалистов. Отмечается потенциал развития региона и выполнение национального проекта, а также важность импортозамещения. / The final qualification work is devoted to the study and development of a data analysis system for selecting applications for financing digital projects. During the work, the basics of data analysis systems design were studied, existing methods and subject areas were analyzed, an evaluation methodology for innovative IТ projects was developed, a data set was collected and prepared. A fuzzy clustering-based machine learning model was implemented, which passed testing using efficiency metrics. As a result, it was concluded that the model has high accuracy, but it was also noted that clusters may overlap, making it difficult to determine IТ projects. The cost of implementing the prototype project is estimated at 304 thousand rubles for 4 months of work by two specialists. Particular attention is paid to the potential for regional development and the implementation of a national project, as well as the importance of import substitution. MASTER'S THESIS DATA ANALYSIS SYSTEMS DESIGN DEPENDENCY FORMALIZATION MACHINE LEARNING EVALUATION OF IT PROJECTS DATA COLLECTION AND PREPARATION PROCESS MODELS FUZZY CLUSTERING MODEL TESTING MODEL ACCURACY ECONOMIC DEVELOPMENT IMPORT SUBSTITUTION NATIONAL PROJECT DEFENSE CAPABILITY МАШИННОЕ ОБУЧЕНИЕ ОЦЕНКА ИТ-ПРОЕКТОВ СБОР ДАННЫХ ПРОЦЕССНЫЕ МОДЕЛИ ТЕСТИРОВАНИЕ МОДЕЛИ ТОЧНОСТЬ МОДЕЛИ ИМПОРТОЗАМЕЩЕНИЕ НАЦИОНАЛЬНЫЙ ПРОЕКТ ОБОРОНОСПОСОБНОСТЬ
182	Energy Consumption in COVID-19 Impact: Data Analysis and Deep Learning Modeling : master's thesis Мухаммед, А. А. М., Muhammad, A. A. M. January 2024 (has links) В этом исследовании изучаются беспрецедентные нарушения, вызванные пандемией COVID-19 в глобальных моделях потребления энергии. Используя ретроспективный подход, различные методологии, включая классическое машинное обучение и алгоритмы классификации временных рядов, используются для анализа энергетических данных, охватывающих период пандемии и после нее. Набор данных охватывает различные источники энергии, что позволяет изучать исторические тенденции как до, так и после COVID-19. Также изучаются региональные различия в моделях потребления энергии в ключевых регионах, таких как ОЭСР, БРИКС, СНГ и Ближний Восток. Конкретное исследование случая, сосредоточенное на Нью-Йорке, углубляется в тенденции потребления энергии в городе и влияние правил COVID-19. Представляя модель рекуррентной нейронной сети (RNN) для прогнозирования потребления энергии, исследование подчеркивает потенциал передовых методов моделирования в понимании и прогнозировании динамики потребления энергии. Применение модели RNN к данным о потреблении энергии в Нью-Йорке позволяет сравнивать прогнозируемые и фактические данные за 2020 год. Результаты подчеркивают значительные сдвиги в тенденциях глобального потребления энергии, раскрывая глубокое влияние пандемии на спрос на энергию и ее использование. Обсуждаются последствия этих сдвигов, подчеркивая необходимость адаптации энергетической политики и инфраструктуры к меняющемуся глобальному ландшафту. Рекомендации по будущим направлениям исследований предоставляются для улучшения понимания динамического взаимодействия между внешними потрясениями, такими как пандемии, и динамикой глобального потребления энергии. / This research investigates the unprecedented disruptions caused by the COVID-19 pandemic on global energy consumption patterns. Employing a retrospective approach, diverse methodologies including classic machine learning and time series classification algorithms are utilized to analyze energy data spanning the pandemic period and beyond. The dataset encompasses various energy sources, enabling examination of historical trends both pre and post-COVID-19. Regional disparities in energy consumption patterns across key regions like OECD, BRICS, CIS, and the Middle East are also explored. A specific case study focusing on New York delves into the city's energy consumption trends and the impact of COVID-19 regulations. Introducing a Recurrent Neural Network (RNN) model for energy consumption prediction, the study highlights the potential of advanced modeling techniques in understanding and forecasting energy usage dynamics. Application of the RNN model to New York's energy consumption data allows comparison between predicted and actual 2020 data. The findings underscore significant shifts in global energy consumption trends, revealing the pandemic's profound impact on energy demand and utilization. Implications of these shifts are discussed, emphasizing the necessity of adapting energy policies and infrastructure to the evolving global landscape. Recommendations for future research directions are provided to enhance comprehension of the dynamic interplay between external shocks, such as pandemics, and global energy consumption dynamics. MASTER'S THESIS COVID-19 MACHINE LEARNING RECURRENT NEURAL NETWORKS (RNN) LENERGY CONSUMPTION GLOBAL ENERGY LANDSCAPE TIME SERIES ANALYSIS REGIONAL COMPARISONS NEW YORK CASE STUDY PANDEMIC IMPACT ENERGY POLICY COVID-19 ПОТРЕБЛЕНИЕ ЭНЕРГИИ МАШИННОЕ ОБУЧЕНИЕ ВЛИЯНИЕ ПАНДЕМИИ
183	Optimizing Inventory Management in B2C E-commerce using H2O AutoML : master's thesis / Оптимизация управления запасами в B2C электронной коммерции с использованием H2O AutoML Мридул, Ф. Т., Mridul, F. T. January 2024 (has links) In a rapidly changing and competitive business landscape for consumers (B2C) in e-commerce, effective inventory management is key to maintaining operational efficiency and ensuring customer satisfaction. The dissertation explores the application of automated machine learning models (AutoML) to improve inventory management processes. The result of the work is a comprehensive AutoML-based system has been developed for accurate demand forecasting, maintaining optimal inventory levels and simplified inventory replenishment based on the use of the H2O framework. / В условиях быстро меняющегося и конкурентного ландшафта бизнеса для потребителей (B2C) в сфере электронной коммерции эффективное управление запасами является ключевым фактором для поддержания операционной эффективности и обеспечения удовлетворенности клиентов. В диссертации исследуется применение автоматизированных моделей машинного обучения (AutoML) для улучшения процессов управления запасами. Результат работы - разработана комплексная система на основе AutoML для точного прогнозирования спроса, поддержания оптимальных уровней запасов и упрощенного пополнения запасов на основе использования фреймворка H2O. MASTER'S THESIS AUTOML INVENTORY MANAGEMENT B2C E-COMMERCE H2O DEMAND FORECASTING MACHINE LEARNING CUSTOMER RELATIONSHIP MANAGEMENT (CRM) STOCK OPTIMIZATION PREDICTIVE ANALYTICS УПРАВЛЕНИЕ ЗАПАСАМИ H2O МАШИННОЕ ОБУЧЕНИЕ ОПТИМИЗАЦИЯ ЗАПАСОВ
184	Прогнозирование выработки ветроэнергетических установок на основе методов искусственного интеллекта : магистерская диссертация / Forecasting the Generation of Wind Power Plants Based on Artificial Intelligence Methods Харлашкин, Д. А., Kharlashkin, D. A. January 2024 (has links) The result of this work is the development of an algorithm for forecasting the generation of a wind power plant using artificial intelligence technologies. A significant improvement in the accuracy of calculating the generation of a wind turbine has been established through the use of ensemble regression decision trees compared to the current model based on the dependence of the output power of the wind power plant on wind speed. / Результатом данной работы стала разработка алгоритма для прогнозирования генерации ветроэнергетической установки с использованием технологий искусственного интеллекта. Установлено значительное улучшение точности расчета генерации ветровой турбины с помощью ансамблей регрессионных деревьев решений по сравнению с текущей моделью, основанной на зависимости выходной мощности ветроэнергетической установки от скорости ветра. MASTER'S THESIS RENEWABLE ENERGY SOURCES WIND POWER PLANTS ARTIFICIAL INTELLIGENCE MACHINE LEARNING ENSEMBLES OF DECISION TREES МАШИННОЕ ОБУЧЕНИЕ
185	Применение алгоритмов машинного обучения для прогнозирования выработки солнечной электрической станции : магистерская диссертация / Application of Machine Learning Algorithms for Forecasting the Output of a Solar Power Station Харлашкина, М. А., Kharlashkina, M. A. January 2024 (has links) The result of this work is the development of an algorithm for forecasting the generation of a solar power station using artificial intelligence technologies. The developed models were successfully tested, demonstrating the best results with the use of random forests. / Результатом работы стала разработка алгоритма для прогнозирования генерации солнечной электростанции с использованием технологий искусственного интеллекта. Разработанные модели были успешно протестированы, показав наилучший результат с использованием случайного леса. MASTER'S THESIS RENEWABLE ENERGY SOURCES PHOTOVOLTAIC STATION ARTIFICIAL INTELLIGENCE MACHINE LEARNING DECISION TREE ENSEMBLES МАШИННОЕ ОБУЧЕНИЕ
186	Hyperactive Behavior and Participation in Social Play in a Swedish Preschool Context : A Cross-Sectional Study Pozneanscaia, Cristina January 2020 (has links) The present thesis sought to compare participation in social types of play of children with and without hyperactivity in a Swedish preschool context. Based upon observational design of cross-sectional type, this study was built on a secondary analysis of data collected within two previous research projects that were merged into one dataset. A total of 583 children (n = 298 boys) aged 16 to 72 months (M = 52.55, SD = 11.01) were initially included in the sample. Preschool teachers rated children’s behavior difficulties on a hyperactivity scale using Strengths and Difficulties Questionnaire (SDQ). Structured observations of children’s attendance, engagement, verbal interaction, proximity and location during associative and cooperative interaction were conducted across day-long visits by three trained researchers using Children Observation in Pre- school (COP) tool. Conditional probability looping syntaxes were created and Independent sample t-Tests were used to analyze the data. Out of 572 children included in the analysis, n = 60 (10,2%) were rated as having some form of hyperactivity. On the whole, the findings illustrated that the observed averages of attendance and overall engagement in social types of play did not differ significantly between children with and without hyperactivity. However, an in-depth analysis of participation patterns, linked to contextual and environmental factors such as proximity and play location, revealed several considerable differences between the two groups of children. It seems that preschoolers with hyperactive behavior seek social play opportunities as much as their typical behavior peers, but the quality aspects of their experience defined by a specific context and environment may differ further as the interaction develops. Contextual and environmental factors are crucial determinants to take into account when studying participation. Play, operating as a natural booster of self-regulation and engagement may have the potential to serve as a mediating factor accommodating hyperactivity and promoting participation in Early Childhood Education settings. Hyperactivity Hyperactive behavior Behavior problems Play Social play Participation En- gagement Early Childhood Education Preschool Questionnaire data Observations Children Observations in Preschool (COP) Iperattività Comportamento iperattivo Problemi comportamentali Gioco Gioco sociale Partecipazione Coinvolgimento Educazione della prima infanzia Scuola materna Dati del questionario Osservazioni Гиперактивность Проблемы поведения Игра Социальная игра Участие Вовлеченность Данные анкетирования Наблюдения Social Sciences Samhällsvetenskap
187	Проектная методика при обучении говорению на иностранном языке учащихся начальных классов с использованием цифровых технологий : магистерская диссертация / Project Methodology for Teaching Primary School Students to Speak a Foreign Language Using Digital Technologies Доценко, А. В., Dotsenko, A. V. January 2021 (has links) Данная работа посвящена исследованию цифровой технологии “Digital storytelling” в обучении говорению на английском языке учащихся начальных классов в рамках проектной деятельности. Актуальность исследования обусловлена необходимостью выявления новых путей развития и пополнения средств обучения, направленных на улучшение навыков говорения в обучении английскому языку. Объект исследования – процесс обучения монологической речи на иностранном языке в начальной школе. Предмет исследования – цифровая технология “Digital storytelling” при обучении монологической речи на иностранном языке. Цель исследования – выявление, определение и обоснование особенностей использования цифровой технологии “Digital storytelling” в обучении монологической речи на иностранном языке учащихся младшей школы. / This work is devoted to the study of digital technology "Digital storytelling" in teaching English speaking to primary school pupils during the project activities. The relevance of the study is determined by the necessity to identify new ways of development and updating of means of education aimed at improving speaking skills in teaching English. The object of the research is the process of teaching monologue speech in a foreign language in primary school. The subject of the research is the digital technology “Digital storytelling” in teaching monologue speech in a foreign language. The goal of the study is to identify, define and substantiate the peculiarities of using the digital technology “Digital storytelling” in teaching monologue speech in a foreign language of primary school pupils. ЦИФРОВАЯ ТЕХНОЛОГИЯ ЦИФРОВЫЕ ИНСТРУМЕНТЫ ЦИФРОВЫЕ РЕСУРСЫ ЦИФРОВОЙ РАССКАЗ ЦИФРОВАЯ ИСТОРИЯ ПРОЕКТНАЯ МЕТОДИКА ОБУЧЕНИЕ ГОВОРЕНИЮ МОНОЛОГИЧЕСКАЯ РЕЧЬ МЛАДШИЙ ШКОЛЬНИК MASTER'S THESIS PEDAGOGICAL TECHNOLOGY DIGITAL TECHNOLOGY DIGITAL MEANS DIGITAL RESOURCES DIGITAL STORYTELLING DIGITAL STORY PROJECT ACTIVITIES PROJECT METHODOLOGY TEACHING SPEAKING COMMUNICATIVE COMPETENCE MONOLOGUE MONOLOGUE SPEECH PRIMARY SCHOOL AGE PRIMARY SCHOOL STUDENT
188	Dynamic Speed Adaptation for Curves using Machine Learning / Dynamisk hastighetsanpassning för kurvor med maskininlärning Narmack, Kirilll January 2018 (has links) The vehicles of tomorrow will be more sophisticated, intelligent and safe than the vehicles of today. The future is leaning towards fully autonomous vehicles. This degree project provides a data driven solution for a speed adaptation system that can be used to compute a vehicle speed for curves, suitable for the underlying driving style of the driver, road properties and weather conditions. A speed adaptation system for curves aims to compute a vehicle speed suitable for curves that can be used in Advanced Driver Assistance Systems (ADAS) or in Autonomous Driving (AD) applications. This degree project was carried out at Volvo Car Corporation. Literature in the field of speed adaptation systems and factors affecting the vehicle speed in curves was reviewed. Naturalistic driving data was both collected by driving and extracted from Volvo's data base and further processed. A novel speed adaptation system for curves was invented, implemented and evaluated. This speed adaptation system is able to compute a vehicle speed suitable for the underlying driving style of the driver, road properties and weather conditions. Two different artificial neural networks and two mathematical models were used to compute the desired vehicle speed in curves. These methods were compared and evaluated. / Morgondagens fordon kommer att vara mer sofistikerade, intelligenta och säkra än dagens fordon. Framtiden lutar mot fullständigt autonoma fordon. Detta examensarbete tillhandahåller en datadriven lösning för ett hastighetsanpassningssystem som kan beräkna ett fordons hastighet i kurvor som är lämpligt för förarens körstil, vägens egenskaper och rådande väder. Ett hastighetsanpassningssystem för kurvor har som mål att beräkna en fordonshastighet för kurvor som kan användas i Advanced Driver Assistance Systems (ADAS) eller Autonomous Driving (AD) applikationer. Detta examensarbete utfördes på Volvo Car Corporation. Litteratur kring hastighetsanpassningssystem samt faktorer som påverkar ett fordons hastighet i kurvor studerades. Naturalistisk bilkörningsdata samlades genom att köra bil samt extraherades från Volvos databas och bearbetades. Ett nytt hastighetsanpassningssystem uppfanns, implementerades samt utvärderades. Hastighetsanpassningssystemet visade sig vara kapabelt till att beräkna en lämplig fordonshastighet för förarens körstil under rådande väderförhållanden och vägens egenskaper. Två olika artificiella neuronnätverk samt två matematiska modeller användes för att beräkna fordonets hastighet. Dessa metoder jämfördes och utvärderades. Machine Learning Artificial Intelligence MachineLearning Machine-Learning AI ML MLP Neural Networks Multilayer-Perceptron RFB RBF-Network Vehicle Automation AutonomousVehicles Autonomous SelfDriving Self-Driving Self Driving Curve Speed Adaptation Adaption CSA ACC Adaptive Cruise Control Driving Style Driver Behavior Behaviour Sample Samples Distance Derivative Speed Velocity Curvature Road Inclination Lane Width Type Acceleration Longitudinal Lateral Data Training Test Validation Results Discussion Sustainability Ethics Ethical Sustainable Future Today Tomorrow Yesterday Robot Robotics System Systems Class Classes Bin Bins Tree One A Dynamic Using Time Delay Volvo Car Cars Corporation Zenuity School Computer Science Master Degree Project Thesis Paper Object GPS Map Length Research Advanced Машинное Обучение Искусственный Интеллект AI ML MLP RBF Автомобиль Машына Сеть Робот Водитель Заворот Дорога Сам Сама Едет Ехать Учить Учит Учится Автоматизация Адаптация Результат Один Одна Одно Вчера Сегодня Завтра Дерево Карта ГПС Информатика Компьютер Наука Научная Работа Школа Вольво Завод Транспорт Maskininlärning Artificiell Intelligens Inlärning Maskin AI ML MLP RBF Neural Neurala Nätverk Artificiella Automation Själv Självkörande Körande Bil Fordon Robot Robotik Körstil Stil Beteende Adaption Kurva Lutning Väg CSA ACC Farthållare Hastighet Fart Hållare Inclination Körfält Fält Spår Bredd Typ Acceleration Longitudinell Lateral Data Traingin Test Validation Resultat Diskussion Längd Hållbarhet Etik Etiskt Framtid Dåtid Idag Imorgon System Class Klass Classer Klasser Träd En Ett Fler Flera Dynamisk Använda Tid Fördröjning Tids Volvo Car Corporation Object Zenuity Skola Dator Vetenskap Forkning Avancerad Projekt Exjobb Examensarbete Betyg GPS Karta Computer Sciences Datavetenskap (datalogi)

Search results