Вітаємо Вас у репозитарії Західноукраїнського Національного Університету

Репозитарій надає вільний доступ до дисертацій, монографій, наукових видань та праць викладачів ЗУНУ, навчально-методичних матеріалів та кваліфікаційних робіт студентів.

Photo by @inspiredimages

Communities in DSpace

Select a community to browse its collections.

Now showing 1 - 5 of 14

Recent Submissions

  • Thumbnail Image
    Item type:Item,
    Програмний модуль розподіленого зберігання та паралельної обробки фінансових даних
    (Тернопіль, ЗУНУ, 2026) Ярунів, Максим Андрійович
    Метою роботи є розроблення програмного модуля розподіленого зберігання та паралельної обробки фінансових даних, який забезпечує масштабованість, відмовостійкість, підвищену продуктивність аналітичних операцій, а також базові механізми захисту та контролю якості даних. Методи дослідження включають системний аналіз, аналіз фінансових даних, методи розподіленого зберігання даних, паралельну обробку великих даних, попереднє оброблення та нормалізацію фінансових наборів, контроль якості даних, проєктування програмної архітектури, моделювання, експериментальне тестування та оцінювання продуктивності обробки. Розроблено програмний модуль розподіленого зберігання та паралельної обробки фінансових даних, який забезпечує завантаження фінансових наборів, їх валідацію, нормалізацію та очищення, розміщення даних у розподіленому сховищі HDFS, організацію оперативного доступу за ключем через HBase, запуск паралельних обчислювальних задач у Apache Spark, формування агрегованих показників і вітрин даних, контроль якості, оброблення пропусків, фіксацію метаданих запусків та надання результатів через API. Результати дослідження можуть бути використані для побудови масштабованих систем фінансової аналітики, автоматизованого оброблення транзакційних даних, формування звітних вітрин, прискорення аналітичних розрахунків, контролю якості фінансових наборів, підтримки управлінських рішень та інтеграції з BI-системами. The purpose of the work is to develop a software module for distributed storage and parallel processing of financial data, which ensures scalability, fault tolerance, improved performance of analytical operations, as well as basic mechanisms for data protection and quality control. The research methods include system analysis, analysis of financial data, methods of distributed data storage, parallel processing of big data, preprocessing and normalization of financial datasets, data quality control, software architecture design, modeling, experimental testing, and evaluation of processing performance. A software module for distributed storage and parallel processing of financial data has been developed. It provides loading of financial datasets, their validation, normalization and cleaning, placement of data in the HDFS distributed storage system, organization of key-based operational access through HBase, execution of parallel computational tasks in Apache Spark, generation of aggregated indicators and data marts, quality control, missing value handling, recording of execution metadata, and provision of results through an API. The research results can be used to build scalable financial analytics systems, automate the processing of transactional data, generate reporting data marts, accelerate analytical calculations, control the quality of financial datasets, support managerial decision-making, and integrate with BI systems.
  • Thumbnail Image
    Item type:Item,
    Веб-застосунок для аналізу та візуалізації особистих фінансів
    (Тернопіль, ЗУНУ, 2026) Шабатько, Артур Вадимович
    Метою кваліфікаційної роботи є розробка, дослідження, проектування та програмна реалізація спеціалізованого веб-застосунку для автоматизованого збору, нормалізації, обліку та глибокого аналізу фінансових операцій користувача. Методами розроблення обрано метод аналізу (для вивчення існуючих фінансових трекерів та можливостей інтеграції з API банків), метод об’єктно-орієнтованого проектування (для побудови гнучкої архітектури додатку на базі фреймворку Laravel), методи моделювання баз даних (для проектування надійної реляційної структури збереження транзакцій) та метод тестування (для перевірки безпеки й коректності обробки фінансових даних). Внаслідок виконання роботи обґрунтовано вибір архітектурних рішень для створення фінансових агрегаторів та розроблено веб-додаток, який дає змогу централізовано збирати, категоризувати та аналізувати історію витрат користувача з різних банківських рахунків у єдиному інтерфейсі. Результати дослідження можуть бути використані для подальшого вдосконалення інструментів управління особистим бюджетом, масштабування системи, а також слугувати програмною основою для розробки комерційних фінтех-продуктів. The objective of the work is the research, design, and software implementation of a specialized web application for the automated collection, normalization, accounting, and in-depth analysis of user financial transactions. The chosen development methods include the analytical method (to study existing financial trackers and bank API integration capabilities), object-oriented design (to build a flexible application architecture based on the Laravel framework), database modeling (to design a robust relational structure for transaction storage), and testing (to verify the security and accuracy of financial data processing). As a result of the work, the choice of architectural solutions for creating financial aggregators was substantiated, and a web application was developed. This application allows users to centrally collect, categorize, and analyze their expense history from various bank accounts within a single interface. The research results can be used to further improve personal budget management tools, scale the system, and serve as a software foundation for the development of commercial fintech products.
  • Thumbnail Image
    Item type:Item,
    Програмний модуль виявлення дефектів зварних швів із використанням глибинного навчання
    (Тернопіль, ЗУНУ, 2026) Цьома, Іван Степанович
    Метою роботи є розробка програмного модуля для автоматизованого виявлення та класифікації дефектів зварних швів на цифрових зображеннях із використанням методів глибинного навчання та нейромережевої моделі YOLOv8. Методи дослідження: використано методи системного аналізу для дослідження предметної області комп’ютерного зору, методи об’єктноорієнтованого проєктування для побудови архітектури програмної системи, класичні алгоритми виділення та зіставлення ознак зображень (ORB, LBP), методи частотного аналізу, а також методи машинного навчання та експериментального оцінювання точності класифікації. Розроблений програмний продукт може бути використаний для задач автоматичного виявлення та класифікації дефектів зварних швів, у системах комп’ютерного зору для задач відеоспостереження. The aim of the thesis is to develop a software module for automated detection and classification of weld defects in digital images using deep learning methods and the YOLOv8 neural network model. Research methods: system analysis methods were used to investigate the computer vision domain; object-oriented design methods were applied to develop the software architecture; classical image feature extraction and matching algorithms (ORB, LBP), frequency analysis methods, as well as machine learning techniques and experimental evaluation methods for classification accuracy were employed. The developed software product can be used for the automated detection and classification of weld seam defects and in computer vision systems designed for video surveillance tasks.
  • Thumbnail Image
    Item type:Item,
    Програмний модуль аналізу та прогнозування продажів аптечної мережі
    (Тернопіль, ЗУНУ, 2026) Цинайко, Василь Петрович
    Метою роботи є розробка інтерактивного програмного модуля (MVPдашборду) для аналізу та предиктивного моделювання продажів фармацевтичної продукції на основі алгоритмів машинного навчання для оптимізації товарних запасів аптечної мережі. Методами дослідження та розроблення обрано: методи об’єктноорієнтованого проєктування(UML-моделювання), предиктивний аналіз часових рядів за допомогою алгоритму Prophet, а також емпіричні методи валідації та оцінки якості моделей машинного навчання (MAPE, MSE). Внаслідок виконання роботи спроєктовано та реалізовано веб-сторінку предиктивної аналітики роздрібного попиту на базі алгоритмів машинного навчання. Розроблений програмний модуль автоматизує розрахунок майбутньої потреби в медикаментах, що дозволяє суттєво знизити вплив людського фактору, оптимізувати обсяги поставок ліків та мінімізувати ризики «заморожування» обігових коштів підприємства в надлишкових товарних запасах. Результати дослідження мають практичну цінність для аналітичних підрозділів і департаментів постачання роздрібних фармацевтичних мереж, а також можуть застосовуватися як інструмент підтримки прийняття рішень у системах операційного планування. The purpose of the work is to develop an interactive software module (MVP dashboard) for the analysis and predictive modeling of pharmaceutical sales based on machine learning algorithms to optimize the inventory of a pharmacy chain. Research and development methods include: object-oriented design methods (UML modeling), time-series predictive analysis using the Prophet algorithm, as well as empirical methods for validation and quality assessment of machine learning models (MAPE, MSE). As a result of the work, a predictive analytics web application for retail demand based on machine learning algorithms was designed and implemented. The developed software module automates the calculation of future pharmaceutical demands, significantly reducing the impact of the human factor, optimizing medicine supply volumes, and minimizing the risks of freezing the enterprise’s working capital in excess inventory. The research results hold practical value for analytics units and supply departments of retail pharmacy chains, and can also be applied as a decision support tool within operational planning systems.
  • Thumbnail Image
    Item type:Item,
    Система підтримки прийняття рішень для оцінки фінансових ризиків підприємства на основі технології аналізу великих даних
    (Тернопіль, ЗУНУ, 2026) Тарбай, Юрій Олегович
    Метою кваліфікаційної роботи є розроблення та дослідження системи підтримки прийняття рішень для оцінки фінансових ризиків підприємства з використанням методів аналізу великих даних та машинного навчання. Методи досліджень включають методи фінансового аналізу, статистичної обробки даних, машинного навчання, а також методи системного аналізу та моделювання. Розроблено систему підтримки прийняття рішень для оцінки фінансових ризиків підприємства на основі технологій аналізу великих даних, яка забезпечує збирання фінансово-економічної інформації, її попередню обробку, очищення та нормалізацію, формування вектора ознак, класифікацію рівня фінансового ризику за допомогою ансамблевого алгоритму Random Forest, а також подання результатів оцінювання та рекомендацій для фінансового менеджера. Результати дослідження можуть бути використані для створення та вдосконалення програмних засобів фінансового ризик-менеджменту, автоматизації аналізу фінансового стану підприємства, підтримки прийняття управлінських рішень, своєчасного виявлення негативних тенденцій у фінансових показниках та підвищення обґрунтованості рішень у сфері фінансового управління. The purpose of the qualification work is to develop and study a decision support system for assessing the financial risks of an enterprise using big data analysis and machine learning methods. The research methods include financial analysis, statistical data processing, machine learning, as well as system analysis and modeling methods. A decision support system for assessing the financial risks of an enterprise based on big data analysis technologies has been developed. The system provides the collection of financial and economic information, its preliminary processing, cleaning and normalization, feature vector formation, classification of the financial risk level using the Random Forest ensemble algorithm, as well as the presentation of assessment results and recommendations for the financial manager. The results of the study can be used to create and improve software tools for financial risk management, automate the analysis of an enterprise’s financial condition, support managerial decision-making, timely identify negative trends in financial indicators, and improve the justification of decisions in the field of financial management.