http://eir.kntu.net.ua/jspui/handle/123456789/533 2026-09-26T00:53:10Z http://eir.kntu.net.ua/jspui/handle/123456789/2638 Title: Застосування генетичних алгоритмів для процедурної генерації та оптимізації ігрових рівнів жанру Tower Defense Authors: Сороковський, М. Ю. Abstract: Кваліфікаційна робота присвячена автоматизації левел-дизайну для мобільних ігор жанру Tower Defense за допомогою генетичних алгоритмів. Для вирішення проблеми ручного створення карт розроблено еволюційну модель із багатокритеріальною фітнес-функцією, яка гарантує генерацію 100% прохідних, топологічно правильних та збалансованих ігрових рівнів. Практичним результатом є оптимізований нативний Android-застосунок (Java), що здатний миттєво генерувати нескінченну кількість унікальних карт різної складності, що суттєво підвищує реіграбельність та зменшує ресурсозатрати на розробку контенту. 2026-01-01T00:00:00Z http://eir.kntu.net.ua/jspui/handle/123456789/2637 Title: Розробка та впровадження модульної системи керування веб-контентом на базі Django та Wagtail Authors: Русскій, А. В. Abstract: У кваліфікаційній роботі розглянуто розробку та впровадження модульної системи керування вебконтентом для сайту закладу вищої освіти на базі Django та Wagtail. Актуальність теми зумовлена потребою у створенні зручного інструменту для централізованого адміністрування сторінок, контентних блоків, подій, документів та інших інформаційних матеріалів університетського вебресурсу. У роботі проаналізовано предметну область керування вебконтентом, розглянуто існуючі CMS, зокрема WordPress, Drupal та Wagtail, визначено їх переваги й обмеження. Обґрунтовано вибір Django та Wagtail як технологічної основи системи, оскільки вони забезпечують підтримку сторінкових моделей, блочного формування контенту, адміністративного інтерфейсу та API-взаємодії. Під час проєктування визначено архітектуру системи, структуру сторінок, контентних блоків і механізм повторного використання даних. Для наочного подання структури програмного продукту використано UML-діаграми класів і компонентів. Практичну реалізацію виконано із застосуванням Django, Wagtail, PostgreSQL, HTML, CSS та JavaScript. У межах системи реалізовано сторінкові моделі, набір контентних блоків, механізм формування сторінок через StreamField, а також API-модуль подій та анонсів. Модуль подій забезпечує централізоване зберігання інформації та її повторне використання на різних сторінках сайту через маршрут /api/events/ і клієнтську JavaScript-логіку. Практичне значення роботи полягає у створенні працездатної модульної системи керування вебконтентом, яка спрощує адміністрування сайту, зменшує дублювання інформації та створює основу для подальшого розширення функціоналу. 2026-01-01T00:00:00Z http://eir.kntu.net.ua/jspui/handle/123456789/2636 Title: Розробка інструментальних засобів оптимізації програмного коду з використанням статичного аналізу та метрик якості Authors: Касьянов, П. В. Abstract: Ця робота присвячена дослідженню та розробці десктопної системи, призначеної для автоматизованого оцінювання якості програмного коду та інтелектуального рефакторингу. Оскільки перевірка архітектурних недоліків і усунення технічного боргу з’їдають понад половину часу розробника, а продуктивність великих мовних моделей LLM у програмуванні практично неможливо переоцінити, стає зрозуміло, чому створення інструмента, який може оцінювати код у дії та визначати його якість, є нагальною необхідністю. Метою цієї роботи є розробка програми, яка поєднує строгі математичні обчислення інженерних метрик із генеративним штучним інтелектом, щоб вона могла сприяти підвищенню якості програмного забезпечення та, відповідно, зменшенню когнітивного навантаження на розробника. Для досягнення поставленої мети було виконано такі завдання, а саме проведено аналіз методів оцінки складності коду, спроєктовано зручний графічний інтерфейс, інтегровано хмарну нейромережу для автоматизованої оптимізації алгоритмів, а також розроблено підсистеми візуального порівняння і створення аналітичних графіків. У процесі розробки використано технологічний стек на основі мови програмування Python. Для клієнтської частини і створення сучасного інтерфейсу такого як режим Dark Mode, кастомний редактор з підсвічуванням синтаксису застосовано бібліотеку Tkinter. Збір аналітичних даних забезпечують модулі Radon і difflib, тоді як за побудову графіків відповідає Matplotlib. Центральним елементом системи є асинхронний рушій для рефакторингу, який за допомогою API NVIDIA NIM працює з потужною мовною моделлю Mistral 128B. Цей алгоритм аналізує вихідний код і повертає його оптимізовану версію зі зниженою цикломатичною складністю, доданою типізацією та документацією українською мовою відповідно до стандарту PEP 8. Тестування на реальних практичних прикладах підтвердило стабільність роботи розробленої системи. Інструмент ефективно автоматизує рутинні задачі, демонструє зниження складності коду та підвищення індексу підтримуваності (Maintainability Index), що дозволяє розробникам оперативно і якісно оптимізувати власні програмні продукти. 2026-01-01T00:00:00Z http://eir.kntu.net.ua/jspui/handle/123456789/2635 Title: Розробка інтелектуальної системи управління товарними запасами на основі машинного навчання з NLP-інтерфейсом Authors: Боярський, Є. О. Abstract: У кваліфікаційній роботі розв'язано задачу автоматизації процесів складського обліку на підприємствах малого та середнього бізнесу із застосуванням методів машинного навчання та інтерфейсу взаємодії природною мовою. Розроблено автономну десктопну інформаційну систему управління товарними запасами, що поєднує облік номенклатури, складів і документообігу з інтерпретованим прогнозуванням попиту на основі архітектури Temporal Fusion Transformer та діалоговим NLP-асистентом на базі хмарної моделі Google Gemini, який перетворює природномовні запити у команди SQL. Метою роботи є створення системи управління складом, яка поєднує базовий облік із прогнозуванням попиту та обробкою текстових і голосових запитів. Базу даних і шар доступу до даних з автоматичним резервним копіюванням реалізовано засобами СУБД SQLite, графічний інтерфейс – за допомогою бібліотеки CustomTkinter, а модуль прогнозування – на основі бібліотеки PyTorch Forecasting та архітектури Temporal Fusion Transformer, що забезпечує інтерпретоване мультигоризонтне прогнозування з інтервальними оцінками ризику. NLP-асистент генерує SQL-команди вибірки, приймає голосове введення та блокує запити на змінення чи видалення даних. Оптимальні значення довжини історичного вікна й горизонту прогнозу та ефективність архітектури TFT підтверджено експериментально на відкритому наборі даних Kaggle. 2026-01-01T00:00:00Z