Застосування методів машинного навчання для розробки утиліт ОС Windows

Abstract

Об'єкт дослідження: процес очищення та оптимізації операційної системи Windows з урахуванням індивідуальних характеристик користувацьких файлів. Акцент зроблено на інтелектуалізацію процесу за допомогою алгоритмів машинного навчання, які дозволяють досягти вищої точності при виявленні та безпечному видаленні зайвої інформації. Предмет дослідження: Сучасні технології розробки програмного забезпечення під Windows, зокрема архітектуру інтерфейсу WinUI 3, можливості ML.NET для реалізації алгоритмів машинного навчання, інструменти класифікації файлів, методи оптимізації системи через PowerShell, а також способи інтеграції класичних і інтелектуальних підходів до очищення в єдину програмну платформу. Мета дослідження: Створення інтелектуальної утиліти, що виконує очищення та оптимізацію Windows, поєднуючи традиційні алгоритми класифікації з машинним навчанням. Така програма повинна бути зручною для кінцевого користувача, мати інтуїтивний графічний інтерфейс та забезпечувати видалення непотрібних файлів без ризику втрати важливих даних. Для реалізації цієї мети було створено додаток на мові C# із застосуванням WinUI 3, реалізовано алгоритми класифікації з використанням ML.NET, розроблено модуль оптимізації, що працює на основі команд PowerShell, а також проведено порівняльний аналіз ефективності очищення і серію практичних тестів.