Добірка наукової літератури з теми "Класифікація даних"

Актуальність. Мостові інсульти є складними в діагностиці і, порівняно з півкульними інсультами, мають гірший прогноз та перебіг. Проте мало наукових праць опубліковано про класифікацію мостових інсультів. Ми прагнули надати місткий та короткий огляд наукової медичної літератури щодо класифікації мостових інсультів. Матеріали та методи. Проведено комплексний електронний пошук літератури у базах даних Scopus, Web of Science, MEDLINE, SciЕLО, PubMed, The Cochrane Library, EMBASE, Global Health, CyberLeninka, RINC, а також у базах даних державних наукових бібліотек України, Європейського Союзу, Великобританії, США з метою виявлення наукових публікацій, у яких обговорювалася класифікація мостових інсультів. Результати. Наведено та обговорено огляд наукової медичної літератури про класифікацію мостових інсультів. Висновки. Ми надали докладний огляд класифікації мостових інсультів.

Мета дослідження – дослідити мережу військово-історичних музеїв в Україні та здійснити систематизацію закладів сучасної військово-історичної музейної мережі. Методологія дослідження вибудовувалася із застосуванням загальнонаукових принципів системності, історизму та законів логіки, що сприяло пошуку джерел інформації, її відбору, класифікації, систематизації та аналітичній обробці. Використаний методологічний та статистичний інструментарій дав змогу об’єктивно дослідити військово-історичну мережу та запропонувати класифікацію її закладів. Наукова новизна. На основі широкого використання статистичних даних здійснено систематизацію закладів сучасної військово-історичної музейної мережі. Розроблено ознаки класифікації державних музеїв, музеїв у системі Міністерства оборони України, при закладах освіти сфери управління Міністерства освіти і науки України. Проаналізовано співвідношення між військово-історичними та іншими державними музеями України за регіонами та співвідношення між військово-історичними та іншими державними музеями України в Автономній Республіці Крим і м. Севастополь. Висновки. У незалежній України вкрай актуалізоване питання використання знань про свою історію. У його розв’язанні одне з провідних місць займають військово-історичні музеї. Дослідження їх мережі та класифікація залишаються дискусійними й потребують подальшого аналізу. Однак однією з ключових ознак класифікації має стати профіль і типологія музеїв. Відсутність окремого обліку військово-історичних музеїв ускладнило пошук необхідної інформації, який був обмежений збором відомостей з офіційних джерел системи Міністерства культури України та даних Державної служби статистики України.

Предметом досліджень статті є моделі ознак розподілів даних дескрипторів ключових точок для вирішення задач розпізнавання та класифікації візуальних об’єктів у системах комп’ютерного зору. Метою є дослідження модифікації методу структурної класифікації на підставі зіставлення розподілів даних для фрагментів дескрипторного опису зображення. Завдання: розроблення математичних та програмних моделей для ефективного за швидкодією обчислення релевантності описів на підставі розподілів даних, вивчення властивостей цих моделей, оцінювання результативності у задачі класифікації зображень. Застосовані методи: детектор ORB для формування дескрипторів ключових точок, статистичний аналіз даних, методи побудови розподілів бітових даних, апарат метричного визначення релевантності, програмне моделювання. Отримані результати. Перехід від опису як множини дескрипторів до розподілів фрагментів, побудова та зіставлення розподілів забезпечують достатню результативність класифікації. Класифікація виконується у кілька разів швидше, ніж при використанні безпосередньо множини дескрипторів. Висновки. Наукова новизна дослідження полягає в удосконаленні методу структурної класифікації зображень на основі впровадження блочної структури опису із використанням значень розподілу для фрагментів множини дескрипторів. Практична значущість – досягнення суттєвого рівня підвищення швидкодії при обчисленні релевантності для класифікації, підтвердження результативності запропонованого простору ознак на прикладах зображень, отримання прикладних програмних моделей для дослідження та впровадження методів класифікації у системах комп’ютерного зору

Масштаби, швидкість та багатовекторність розвитку науки і техніки надзвичайно ефективно впливають на правові, економічні, політичні, духовні, професійні та інші суспільних відносин. Однією із рушійних сил нової науково-технічної революції є розвиток інформаційно-комунікаційних технологій, використання мережі Інтернет, створення, збереження, передача, обробка та управління інформацією. Це сприяє впровадженню технологій передачі та використання інформації в цифровому виді практично у всіх сферах суспільного життя, а саме текстових даних, фото-, аудіо-, відео-зображень, які транслюються різноманітними способами мережею Інтернет та іншими комунікаційними засобами та системами. Одним із ключових елементів технологій та систем передачі даних є наявність інформації, за якою можливо ідентифікувати їх суб’єктів та об’єктів за притаманними ним ідентифікаційними атрибутами. В українському законодавстві, зокрема в Законі України «Про захист персональних даних», відомості чи сукупність відомостей про фізичну особу, яка ідентифікована або може бути конкретно ідентифікована визначають як персональні дані. Однак, незважаючи сучасність даний закон все ж таки містить ряд недоліків та невизначеності, як в термінології так і в правових механізмах роботи із даними, за якими може бути ідентифікована особа, тобто ідентифікаційними даними.

РЕЗЮМЕ. На сьогодні міокардіопатії займають провідне місце в загальній структурі захворюваності. Майже 50 % пацієнтів, які раптово помирають у дитинстві чи підлітковому віці або переносять трансплантацію серця, страждають від кардіоміопатій. Клінічні і функціональні її прояви достатньо висвітлені в науковій літературі, однак морфологічним змінам серця не надається достатньої уваги. Мета – cистематизувати класифікації кардіоміопатій, виявити їхні недоліки та переваги, а також заснувати новий поділ. Матеріал і методи. Вивчено і узагальнено класифікації кардіоміопатій, викладених Гудвіном та Оклі, Європейським товариством кардіологів та комітетом Американської асоціації серця. Результати. В ході аналізу матеріалу ми виявили недоліки найпоширеніших класифікацій, що підштовхнуло нас до створення власного поділу кардіоміопатій, в основі якого лежать етіологічні та патогенетичні принципи. Висновки. Дотепер використовуються дві найвідоміші класифікації: Американської асоціації серця та Європейського товариства кардіологів, фундамент яких заклали Гудвін та Оклі, створивши перший поділ, який ґрунтується на патоморфологічних змінах міокарда: дилатаційні (DCM), гіпертрофічні (HCM) і рестриктивні (RCM) типи кардіоміопатії. Згодом додали нові види: аритмогенну та некласифіковану кардіоміопатії. Проаналізувавши обидві класифікації ми дійшли до висновку, що вони потребують редагування, тому що на практиці лікарю складно визначити тип кардіоміопатії, що, у свою чергу, призводить до неефективності лікування. На основі даних зауважень можна створити нову класифікацію, яка найкраще висвітлить етіологічний та патогенетичний поділ кардіоміопатій, що важливо для вибору оптимальної терапії. Наша класифікація включає в себе автоімунну, електролітну, постінфекційну, токсичну та змішану кардіоміопатії.

Класифікація форми правління може мати науковий характер лише за умови, якщо ґрунтуватиметься на врахуванні її конституційних ознак. Застосування інших критеріїв надає класифікації форми правління відносного значення. Лише правові ознаки форми правління відображають її сутнісні риси і притаманну їй логіку організації державної влади. Метою статті є встановлення найважливіших правових ознак форми правління та обґрунтування їх значення як критеріїв, що уможливлюють справді науковий характер класифікації форми правління, критика емпіричного підходу до її класифікації. Оскільки в багатьох випадках фактичні характеристики державного владарювання дисонують із юридично визначеною формою правління, окремі науковці стверджують про недостатність формально-правових критеріїв для адекватної класифікації форми правління і вважають, що вона вимагає застосування так званого функціонального принципу і повинна ґрунтуватися на конкретних емпіричних даних. Однак форма правління – це нормативно встановлена організація державної влади, а не її функціональна характеристика. І те, що певна форма правління в різних зовнішніх умовах функціонує по-різному, зовсім не засвідчує, що тим самим змінюється її конституційна сутність. Політична практика, яка суттєво нівелює чи навіть повністю усуває конституційні елементи форми правління, не створює нової форми правління, оскільки не змінює її конституційних характеристик. Наслідком застосування емпіричного підходу до класифікації форми правління стала поява потенційно необмеженого числа “нових” форм правління. Суб’єктивізм, який лежить в основі емпіричного підходу, спричиняє хибні результати й унеможливлює вироблення загальновизнаної у фаховому середовищі класифікації форм правління. Методологічний підхід до класифікації форми правління, який ігнорує її правові ознаки і підмінює їх емпіричними даними, пояснює, чому в різних “приват-них” класифікаціях ті самі держави потрапляють до різних класифікаційних груп. До того ж класифікації, побудовані на основі особистих інтелектуальних уподобань їх розробників, часто страждають надмірною складністю критерію класифікації, що утруднює розуміння її логіки.

Поверхневі води є важливими природнім ресурсом та відіграють важливу роль в багатьох аспектах людського життя, таких як питна вода, сільське господарство, виробництво електроенергії, транспорт та промисловість. Зміни поверхневих вод впливають на інші природні ресурси та навколишнє середовище. Це обумовлює важливість якісного визначення обсягу поверхневих вод і відстеження їх динаміки. Останнім часом дедалі більшої популярності набувають методи аналізу поверхневих вод на основі супутникових зображень. В роботі досліджені можливості і перспективи використання методів обробки та аналізу геопросторових зображень для віддаленого моніторингу поверхневих вод. Визначено та формалізовано етапи моніторингу поверхневих вод на основі геопросторових зображень. Визначено класифікацію методів виділення даних водної поверхні з геопросторових зображень, що включає методи на основі спектральних діапазонів, методи контрольованої класифікація на основі методів машинного навчання та методи неконтрольованої класифікації на основі індексів води. Розглянуто особливості просторово-часового аналізу поверхневих вод та критеріїв оцінки його точності.Ключовим критерієм оцінки точності є загальна точність класифікації зображень, однак, доцільно використовувати декілька специфічних критеріїв оцінки, таких як коефіцієнт узгодженості MICE, точність виробника, точність користувача, для отримання надійнішої оцінки. Проведено дослідження можливостей аналізу поверхневих вод на основі водного індексу на прикладі озера Піщане Луганської області в період водопілля 2018-2019 років. Дослідження можливостей аналізу поверхневих вод на основі водного індексу з застосуванням нормованого диференційованого індексу вологості території озера Піщане дозволило виявити певну невизначеність при підборі порогових значень для ефективного диференціювання. Також, виявлено суттєву залежність методу від факторів атмосферних умов, таких як хмарність, туман, задимленість або температурна інверсія на момент зйомки геопросторового зображення, що обумовлює необхідність атмосферної корекції супутникових даних до рівня обробки L2A.

В статті досліджено питання поєднання сучасних відкритих геоінформаційних систем та даних дистанційного зондування Землі в задачах лісовпорядкування. На основі існуючих планів лісонасаджень розроблено класифікатори лісових порід дослідного об’єкта з урахуванням вікових груп та без їх урахування. Здійснено контрольовану класифікацію дослідних об’єктів та проведено оцінку точності отриманих результатів. Встановлено, що точність визначення окремих класів на основі пропонованої методики є тотожною.

Cпроектовано та розроблено класифікатор детектування стану трубопроводів. При цьому задача оцінки стану труб була розв’язана за допомогою підходу аугментації зображень, а сама технологія працює в режимі екзамену. Розроблений алгоритм реалізовано у формі програмного забезпечення, створеного за допомогою інструментального програмного середовища Python 3.0.

Метою роботи є застосування кластеризації науково-технічних даних не тільки для наглядного представлення об’єктів, але і для розпізнавання нових. Метою кластеризації документів є автоматичне виявлення груп семантично схожих документів серед заданої фіксованої множини. Групи формуються тільки на основі попарної схожості описів документів, і ніякі характеристики цих груп не задаються заздалегідь. Для видалення неінформативних слів розглянуто методи: видалення стоп-слів, стеммінг, N-діаграми, приведення регістра. Для виділення ключових слів та класифікації результатів використано наступні методи: словниковий, статистичний та побудований на основі Y-інтерпретації закону Бредфорда, TF-IDF міра, F-міра та метод лакричних шаблонів. Для реалізації системи кластерного аналізу науково-технічних даних обрано високорівневу мову програмування Python, реалізація інтерпретатора 2.7. Даний програмний код читається легше, його багаторазове використання і обслуговування виконується набагато простіше, ніж використання програмного коду на інших мовах.
The aim of the work is to use the clustering of scientific and technical data not only for the visual representation of objects, but also for the recognition of new ones. The purpose of document clustering is to automatically detect groups of semantically similar documents among a given fixed set. Groups are formed only on the basis of pairwise similarity of document descriptions, and no characteristics of these groups are set in advance. Methods for deleting uninformative words are considered: deletion of stop words, stemming, N-diagrams, case reduction. The following methods were used to highlight keywords and classify the results: dictionary, statistical and based on the Y-interpretation of Bradford's law, TF-IDF measure, F-measure and the method of licorice patterns. Python programming language was chosen to implement the system of cluster analysis of scientific and technical data, a high-level, the implementation of the interpreter 2.7. This program code is easier to read, its reuse and maintenance is much easier than using program code in other languages.
Целью работы является применение кластеризации научно-технических данных не только для наглядного представления объектов, но и для распознавания новых. Целью кластеризации документов является автоматическое выявление групп семантически похожих документов среди заданной фиксированной множества. Группы формируются только на основе попарно сходства описаний документов, и никакие характеристики этих групп не задаются заранее. Для удаления неинформативных слов рассмотрены методы: удаление стоп-слов, стемминг, N-диаграммы, приведение регистра. Для выделения ключевых слов и классификации результатов использованы следующие методы: словарный, статистический и построен на основе Y-интерпретации закона Брэдфорда, TF-IDF мера, F-мера и способ лакричным шаблонов. Для реализации системы кластерного анализа научно-технических данных избран высокоуровневый язык программирования Python, реализация интерпретатора 2.7. Данный программный код читается легче, его многократное использование и обслуживание выполняется гораздо проще, чем использование программного кода на других языках.

The main purpose of this work is to compare classifiers. Random Forest and XGBoost are two popular machine learning algorithms. In this paper, we looked at how they work, compared their features, and obtained accurate results from their robots.

The main goal of this work is to show the ways to use machine learning algorithms to solve classification tasks. One of the most efficient algorithms is Gradient Boosting (XGB Classier). This is a method which is usually used in competitions because of his speed and opportunity to work with big amount of data.

Москаленко, Д. М. Підсистема збору та визначення розподільчих рис даних соціальних мереж в системі виявлення кіберзагроз : магістерська робота : 121 «Інженерія програмного забезпечення», ОНП / Д. М. Москаленко ; керівник роботи М. С. Дорош ; НУ «Чернігівська політехніка», кафедра інформаційних технологій і програмної інженерії. – Чернігів, 2021. – 83 с.
Метою даної кваліфікаційної роботи є розробка підсистеми збору та визначення розподільчих рис даних соціальних мереж в системі виявлення кіберзагроз. Об'єктом дослідження є методи та моделі обробки природної мови за допомогою нейронних мереж. Предметом дослідження є методи та моделі збору та визначення особливостей розподілу даних соціальних мереж у системі виявлення кіберзагроз. В роботі проведено аналіз загроз в соціальних мережах спричинених небезпечними повідомленнями, а також аналіз задачі визначення емоційного тону текстових даних у соціальних мережах. Побудована архітектура та визначені методи та моделі обробки природньої мови та автоматизованої класифікації. В результаті чого була розроблена підсистема збору та визначення розподільчих рис даних соціальних мереж в системі виявлення кіберзагроз. Методи дослідження. В основі досліджень лежить архітектура системи збору даних з соціальної мережі Twitter яка використовує методи машинного навчання та штучного інтелекту для обробки та визначення розподільчих рис даних повідомлень користовачів [47]. Реалізація програмного забезпечення виконувалась з використанням мови програмування Python за підтримки бібліотеки програмного забезпечення з відкритим кодом для машинного навчання TensorFlow та Keras. Результати представлені у вигляді таблиць та ілюстрацій, що демонструють правильність вибору методів збору та визначення розподільчих рис даних соціальних мереж в системі виявлення кіберзагроз на прикладі класифікації повідомлень. Результати роботи можуть бути використані для подальшої розробки системи пошуку наприклад загроз від онлайн хижаків, користувачів які попагандують ідеї тероризму чи екстремізму у соціальних мережах або перекваліфікації для пошуку повідомлень іншого характеру.

Дипломна робота: 94 c., 24 рис., 7 табл., 2 додатків, 21 джерело. Предмет дослідження: алгоритми прогнозування інсульту на основі статистичних та структурних моделей. Об’єкт дослідження: відкритий набір медичних даних пацієнтів з веб- платформи Kaggle. Мета дослідження: проаналізувати існуючі моделі прогнозування, розробити власну систему прогнозування інсульту на прикладі медичних даних пацієнтів. Використані моделі: у програмній реалізації було використано модель градієнтного бустингу. Актуальність роботи обумовлена тенденціями глобалізації та діджиталізації, які в свою чергу призводять до зміни образу життя сучасної людини, що викликає потребу у розробці новітніх методів діагностики захворювань, а також вимагає нетривіальних рішень зі зберігання та обробки медичних даних. Отримані результати: побудована система прогнозування інсульту, що може класифікувати ризик виникнення інсульту у пацієнта з прийнятною точністю. У рамках подальшого розвитку дослідження пропонується підвищувати точність отриманих моделей, врахування більшої кількості характеристик стану здоров’я пацієнтів, що можуть бути пов’язані із настанням інсульту.
Thesis: 94 p., 24 fig., 10 tabl., 2 appendices, 21 sources. Subject of research: stroke prediction algorithms based on statistical and structural models. Object of study: a set of patients` medical data from the Kaggle web platform. The purpose of the study: to analyze existing models of prognosis, to develop their own system for predicting stroke on the example of medical data of patients. Models used: gradient boosting model was used in the software implementation. The urgency of the work is due to trends in globalization and digitalization, which in turn lead to changes in the lifestyle of modern man, which necessitates the development of new methods for diagnosing diseases, as well as requires non-trivial solutions for storage and processing of medical data. Results obtained: A stroke prediction system has been developed that can classify the risk of stroke in a patient with acceptable accuracy. As part of the further research, it is proposed to increase the accuracy of the obtained models, taking into account more characteristics of the health status of patients that may be associated with the stroke disease.

В магістерській проведенні дослідження впливу короткострокової аренди на стан індустрії рентування житла та проведено порівняння з такими класичними сервісами як готельні послуги. В роботі розроблено та реалізовано аналітичний підхід з використанням засобі машинного навчання по аналізу прогнозованості завантаження приватних житлових сервісів.

Актуальність теми. Оскільки розмір цифрової інформації зростає в геометричній прогресії, потрібно витягувати великі обсяги необроблених даних. На сьогоднішній день існує кілька методів налаштування та обробки даних відповідно до наших потреб. Найбільш поширеним методом є використання інтелектуального аналізу даних (Data Mining). Data Mining застосовується для вилучення неявних, дійсних та потенційно корисних знань із великих обсягів необроблених даних. Видобуті знання повинні бути точними, читабельними та легкими для розуміння. Крім того, процес видобутку даних також називають процесом виявлення знань, який використовувався в більшості нових міждисциплінарних областей, таких як бази даних, статистика штучного інтелекту, візуалізація, паралельні обчислення та інші галузі. Одним із нових і надзвичайно потужних алгоритмів, що використовуються в Data Mining, є еволюційні алгоритми та підходи, що базуються на рії, такі як мурашиний алгоритм та оптимізація рою частинок. В даній роботі запропоновано використати для інтелектуального аналізу даних досить нову ідею алгоритма бджолиного рою для широко розповсюдженої задачі класифікації. Мета роботи: покращення результатів класифікації даних в сенсі в точності і сталості за допомогою алгоритму інтелектуального аналізу даних на основі алгоритму бджолиного рою. Об’єктом дослідження є процес інтелектуального аналізу даних для задачі класифікації. Предметом дослідження є використання алгоритму бджолиного рою для інтелектуального аналізу даних. Методи дослідження. Використовуються методи параметричного дослідження евристичних алгоритмів, а також методи порівняльного аналізу для алгоритмів інтелектуального аналізу даних. Наукова новизна одержаних результатів роботи полягає в тому, що після проведеного аналізу існуючих рішень, запропоновано використати алгоритм бджолиного рою для задачі класифікації, точність і сталість якого перевищує показники існуючих класифікаторів. Практичне значення одержаних результатів полягає в тому, що розроблений алгоритм показує кращі результати в сенсі точності і сталості в порівнянні з іншими алгоритмами інтелектуального аналізу даних. Тобто адаптація бджолиного алгоритму може розглядатися як корисне та точне рішення для такої важливої проблеми, як задача класифікації даних. Апробація роботи. Основні положення й результати роботи були представлені та обговорювались на науковій конференції магістрантів та аспірантів «Прикладна математика та комп’ютинг» ПМК-2019 (Київ, 2019 р.), а також на науковій конференції магістрантів та аспірантів «Прикладна математика та комп’ютинг» ПМК-2020 (Київ, 2020 р.). Структура та обсяг роботи. Магістерська дисертація складається з вступу, чотирьох розділів, висновків та додатків. У вступі надано загальну характеристику роботи, виконано оцінку сучасного стану проблеми, обґрунтовано актуальність напрямку досліджень, сформульовано мету і задачі досліджень, показано наукову новизну отриманих результатів і практичну цінність роботи, наведено відомості про апробацію результатів і їх впровадження. У першому розділі розглянуто алгоритми інтелектуального аналізу даних, які використовуються для задачі класифікації. Обґрунтовано можливість використання евристичних алгоритмів, а саме алгоритму бджолиного рою для цієї задачі. У другому розділі детально розглянуто алгоритм бджолиного рою та принципи його роботи, також описано запропоновану методику його застосування для інтелектуального аналізу даних, а саме для задачі класифікації. У третьому розділі описано розроблений алгоритм та програмний додаток, в якому він реалізований. У четвертому розділі приведена оцінка ефективності запропонованого алгоритм, на основі тестування алгоритму, а також порівняльного аналізу між розробленим алгоритмом та вже існуючими. У висновках представлені результати магістерської дисертації. Робота виконана на 81 аркуші, містить посилання на список використаних літературних джерел з 18 найменувань. У роботі наведено 38 рисунків та 5 додатків.
Actuality of theme. As the size of digital information grows exponentially, large amounts of raw data need to be extracted. To date, there are several methods to customize and process data according to our needs. The most common method is to use Data Mining. Data Mining is used to extract implicit, valid and potentially useful knowledge from large amounts of raw data. The knowledge gained must be accurate, readable and easy to understand. In addition, the data mining process is also called the knowledge discovery process, which has been used in most new interdisciplinary fields, such as databases, artificial intelligence statistics, visualization, parallel computing, and other fields. One of the new and extremely powerful algorithms used in Data Mining is evolutionary algorithms and swarm-based approaches, such as the ant algorithm and particle swarm optimization. In this paper, it is proposed to use a fairly new idea of the swarm of bee swarm algorithm for data mining for a widespread classification problem. Purpose: to develop an algorithm for data mining for the classification problem based on the swarm of bee swarms, which exceeds other common classifiers in terms of accuracy of results and consistency. The object of research is the process of data mining for the classification problem. The subject of the study is the use of a swarm of bee swarms for data mining. Research methods. Methods of parametric research of heuristic algorithms, and also methods of the comparative analysis for algorithms of data mining are used. The scientific novelty of the work is as follows: 1. As a result of the analysis of existing solutions for the classification problem, it is decided to use such metaheuristics as the swarm of bee swarm. 2. The implementation of the bee algorithm for data mining is proposed. The practical value of the results obtained in this work is that the developed algorithm can be used as a classifier for data mining. In addition, the proposed adaptation of the bee algorithm can be considered as a useful and accurate solution to such an important problem as the problem of data classification. Approbation of work. The main provisions and results of the work were presented and discussed at the scientific conference of undergraduates and graduate students "Applied Mathematics and Computing" PMK-2019 (Kyiv, 2019), as well as at the scientific conference of undergraduates and graduate students "Applied Mathematics and Computing" PMK-2020 (Kyiv, 2020). Structure and scope of work. The master's dissertation consists of an introduction, four chapters, conclusions and appendices. The introduction provides a general description of the work, assesses the current state of the problem, substantiates the relevance of research, formulates the purpose and objectives of research, shows the scientific novelty of the results and the practical value of the work, provides information on testing and implementation. The first section discusses the data mining algorithms used for the classification problem. The possibility of using heuristic algorithms, namely the bee swarm algorithm for this problem, is substantiated. The second section discusses in detail the algorithm of the bee swarm and the principles of its operation, also describes the proposed method of its application for data mining, namely for the classification problem. The third section describes the developed algorithm and the software application in which it is implemented. In the fourth section the estimation of efficiency of the offered algorithm, on the basis of testing of algorithm, and also the comparative analysis between the developed algorithm and already different is resulted. The conclusions present the results of the master's dissertation. The work is performed on 89 sheets, contains a link to the list of used literature sources with 18 titles. The paper presents 38 figures and 2 appendices.

Для побудови моделей на основі методу класифікації застосовано програмну систему Data Mining бібліотеки Xelopes. Розв’язано дві задачі класифікації. Виконано застосування моделі для нових даних. Показано, що система зручна, її можна використовувати для навчання студентів технологіям Data Mining, а також для розв’язання задач класифікації, які виникають в економіці.
To build a model based on the method of classification used software system Data Mining Library Xelopes. Solved two problems of classification. Completed application model for the new data. It is shown that the system is easy, it can be used to teach students techniques Data Mining, as well as for solving classification problems arising in the economy.

Головною ідеєю роботи є виявлення можливості досягти якщо не квантового панування, то хоча б квантової переваги при розв’язанні задач машинного навчання на квантовому комп’ютері. Проаналізовано підходи до визначення квантового машинного навчання, інженерії квантового програмного забезпечення. Виділено основні класи засобів інженерії квантового програмного забезпечення. У результаті проведеного аналізу було визначено, щосаме квантово покращене машинне навчання – застосування квантових моделей навчання для аналізу традиційних (не квантових) даних – є перспективним напрямом розвитку машинного навчання, реалізація якого в поточній версії бібліотеки квантових алгоритмів Qiskit Aqua 0.7.3 є обмеженою розв’язанням задач класифікації з використанням квантового методу опорних векторів та варіаційного квантового класифікатору.

Тези присвячені стереотипізації жіночих образів, та їх втіленню у сучасних гендерних жіночих моделей на матеріалі епізодичної відеогри Life Is Strange. У роботі була використана розширена класифікація гендерних жіночих моделей. Більш детально були розглянуті такі моделі як: "Супержінка", "Космо-жінка", "Жінка-стерва" та "Попелюшка". З чотирьох персонажів тільки один є традиційним втіленням жіночності, а саме "Попелюшка". Даний факт говорить про те, що у сучасній культурі жінок розглядають не тільки з точки зору краси, жіночності та материнства, але також враховується, що вони можуть виконувати ролі, що традиційно вважалися тільки чоловічими.