TSI logo 25 years
LV EN
Home > Par mums > Struktūra un pārvaldība > Anotācijas

LĪMENIS

PROGRAMMA

FAKULTĀTE

GADS

VALODA

Mašīniskās slīpēšanas algoritmu veiktspējas uzlabošana, samazinot datu kopas dimensiju, izmantojot šūnu automātus

Nozīmīgs izaicinājums mašīnmācīšanā ir darbs ar lieldimensiju datiem. Sarežģītība, kas pazīstama kā "dimensijas lāsts", izraisa mašīnmācīšanās algoritmu veiktspējas pasliktināšanos, palielinoties dimensijai un datu kopas lielumam. Šūnu automāti ir dinamiska diskrēta skaitļošanas sistēma ar matemātiskām funkcijām, kas pazīstamas kā noteikumi, kuri rada sarežģītu globālu uzvedību. Mēs izmantojām viendimensiju elementāros šūnu automātus kā rīku datu kopas lieluma noteikšanai. Modeļa mainīgie tika atlasīti sākotnējā stāvokļa vektora ģenerēšanai un tā tālākai pārveidošanai formātā, kas ir piemērots šūnu automāta noteikumu piemērošanai, ko šūnu automātu teorijā pazīst kā konfigurāciju. Pēc tam modelis tika iterēts, izmantojot visus iespējamos šūnu automāta noteikumus, un tika piemērotas dažādas epohālās variācijas. Samazinātās datu kopas modeļa veiktspēja tika salīdzināta ar sākotnējās datu kopas etalonrezultātiem pēc standarta dimensiju samazināšanas tehnikas izmantošanas. Tika secināts, ka piemērotos šūnu automātu noteikumus var izmantot kā alternatīvas metodes datu kopas izmēru samazināšanai, nepasliktinot modeļa veiktspēju.

Autors: Alexey Kuchvalskiy

Vadītājs: Dmitry Pavlyuk

Līmenis: Maģistrs

Gads: 2024

Darba valoda: Angļu

Studiju programma: Datorzinātnes

Vairāk...

Web-aplikacijas izstrāde trenažieru zālei.

Bakalaura darbs ir veltīts unikālas tīmekļa lietojumprogrammas izstrādei sporta zālei, kas būtu konkurētspējīga Latvijas tirgū. Projekta ietvaros tiek izstrādāta tīmekļa lietojumprogramma, kas ietver servera daļu, kas balstīta uz Python valodu, kā arī klienta daļu, izmantojot tādas valodas kā HTML, CSS un JavaScript. Izstrādātās lietotnes galvenās iezīmes ir integrācija ar mākslīgo intelektu ChatGPT un integrācija ar trešās puses lietotni Telegram. Mākslīgais intelekts šajā darbā ir attēlots kā čatbots tehniskais atbalsts, čatbots online treneris, kā arī tiek izmantots, lai izveidotu individuālas treniņu programmas katram klientam.Darba galvenais mērķis ir radīt unikālu produktu, kam nav analogu Latvijas tirgū, kas būtiski uzlabos trenažieru zāles klientu pieredzi un veicinās katra klienta mērķu sasniegšanu. Izstrādes procesa laikā tika veikta testēšana, kas apstiprināja visu aplikācijas komponentu veiksmīgu integrāciju. Pamatojoties uz testēšanas rezultātiem, tiek piedāvāti ieteikumi tālākai tīmekļa lietojumprogrammas attīstībai.

Autors: Andrejs Glušenoks

Vadītājs: Olga Dribeņeca

Līmenis: Bakalaurs

Gads: 2024

Darba valoda: Latviešu

Studiju programma: Datorzinātnes

Vairāk...

Prezentāciju ģenerēšanas tīmekļa pakalpojumu izveide, izmantojot mākslīgā intelekta valodas modeļus

Šis bakalaura darbs ir veltīts prezentāciju ģenerēšanas tīmekļa pakalpojuma izstrādei, izmantojot AI valodas modeļus. Lietojumprogramma integrē tādus API kā OpenAI teksta ģenerēšanai, Pexels attēlu iegūšanai un Google Slides prezentāciju veidošanai, nodrošinot visaptverošu rīku augstas kvalitātes prezentāciju un video veidošanai. Backend ir veidots, izmantojot Flask, un frontend izmanto React, nodrošinot vienmērīgu lietotāja pieredzi. Galvenās funkcijas ietver lietotāja autentifikāciju, stāvokļa pārvaldību un dinamisku satura ģenerēšanu.Projektā tika analizēti esošie AI prezentāciju rīki, izstrādāts tīmekļa pakalpojums ar frontend un backend tehnoloģijām, un integrēti dažādi API, lai uzlabotu funkcionalitāti. Rūpīga testēšana nodrošināja stabilitāti, efektivitāti un lietotājdraudzīgumu. Rezultātā iegūtā lietojumprogramma spēj ģenerēt augstas kvalitātes prezentācijas un pārvērst tās saistošos videoklipos ar minimālu piepūli.Šis darbs demonstrē AI potenciālu digitālā satura radīšanas uzlabošanā, piedāvājot ievērojamus uzlabojumus efektivitātē un lietotāju iesaistē. Izstrādātais tīmekļa pakalpojums nodrošina vērtīgu rīku lietotājiem, kuriem ātri nepieciešams izveidot profesionālas prezentācijas.

Autors: Igors Pticins

Vadītājs: Aleksejs Vesjolijs

Līmenis: Bakalaurs

Gads: 2024

Darba valoda: Angļu

Studiju programma: Datorzinātnes

Vairāk...

Nepārraudzīta mašīnmācīšanās pieeja dabiskās valodas tekstu kolekciju hierarhiskai, uz grafiem bazētai, attēlošanai.

Lielo datu efektīva pārvaldība ir svarīga dažādās jomās, īpaši gadījumos, kad dati sastāv no cilvēka rakstītiem dokumentiem. Nesenie sasniegumi dabiskās valodas apstrādē (NLP), jo īpaši LLM, ļāva atrisināt daudzus uzdevumus šajā jomā, neskatoties uz lielo pieprasījumu pēc marķētiem datiem, skaitļošanas resursiem un specializētām prasmēm.Lai novērstu šos ierobežojumus, pašreizējais pētījums ierosināja NLP cauruļvadu, lai noteiktu tēmu hierarhijas zinātnisko publikāciju kolekcijās. Darbā galvenā uzmanība tika pievērsta pieejamo neuzraudzīto mašīnmācīšanās metožu un kvalitātes metrikas novērtēšanai NLP, kā arī vizualizācijas metožu izstrādei, lai izveidotu cauruļvada prototipu.Piedāvātais risinājums ir balstīts uz hARTM pieeju, kas optimizēta tēmas interpretējamībai. Tas parādīja spēju no zinātnisko tekstu kolekcijām secināt cilvēka interpretējamu tēmu hierarhijas un izveidot jēgpilnu dokumentu attēlojumus. Vizualizācijas pieejas balstās uz MDS, lai parādītu starpdokumentu līdzību, un Sankey diagrammas, lai parādītu dokumentu kopu saistību tēmu hierarhijā.Lietderība tika demonstrēta divās datu kopās, koncentrējoties uz tēmu hierarhijas un saistīto tēmu definīciju interpretējamību un nozīmi. Iespējamās pielietošanas jomas ietver personīgo izglītību un zinātnisko rakstīšanu.

Autors: Jevgenijs Bodrenko

Vadītājs: Irina Jackiva

Līmenis: Maģistrs

Gads: 2024

Darba valoda: Angļu

Studiju programma: Datorzinātnes

Vairāk...

Mašīnmācīšanās izmantošana lēmumu atbalsta sistēmā

Šī darba mērķis ir uzlabot gaidīšanas laiku prognozēšanas precizitāti esošajā rindas vadības sistēmā, izmantojot mašīnmācīšanos. Tika analizēti klienta sniegtie dati un modeļi tika apmācīti, izmantojot dažādus mašīnmācīšanās algoritmus. Tika apkopoti modeļu veiktspējas rādītāji un izvēlēts labākais. Papildus tika izstrādāta programmatūra un datubāze, kas ļauj kontrolēt apmācības procesu un novērtēt modeļu kvalitāti. Programmatūras kvalitāte tika novērtēta, izmantojot nozares standartmetodoloģijas, un tika pārbaudīta.

Autors: Jevgēnijs Nikolajevs

Vadītājs: Jeļena Kijonoka

Līmenis: Bakalaurs

Gads: 2024

Darba valoda: Latviešu

Studiju programma: Datorzinātnes

Vairāk...

Table View
Text View