Перегляд за Автор "Антонова А. Р."

Зараз показуємо 1 - 5 з 5
  • Документ
    Аналіз продуктивності мобільних застосунків на базі кросплатформенних фреймворків
    (2023) Антонова А. Р.; Очеретенко Д. В.
    Проведене дослідження присвячено кросплатформовому фреймворку Flutter. Порівняння було зосереджено на відмінностях продуктивності вбудованих програм. Дослідження показало, що Flutter-застосунки мають таку ж продуктивність, як і нативні Android-застосунки для геолокації користувача, доступу до бази даних і безперервного прокручування списків. Розробка мобільних застосунків на кросплатформових фреймворках економить час і, як наслідок, гроші на розробку. Крім того, розробникам не потрібно вивчати кожну платформу при тому, що вони все ще можуть охоплювати кінцевих користувачів цих платформ. Ще одна перевага кросплатформових фреймворків полягає в тому, що застосунок виглядатиме однаково на різних платформах. Це чудово підходить для застосунків з унікальним стилем, оскільки розробникам потрібно створити його лише один раз, як і з кодом. Однак, якщо розробник хоче, щоб застосунок виглядав як нативний, цього легше досягти за допомогою нативної системи
  • Документ
  • Документ
    Дослідження особливостей використання бібліотеки React.js та платформи ASP.NET Core на основі створеного web-додатку
    (2023) Подельнік Д. І.; Антонова А. Р.; Пелих В. П.
    Система розроблена за допомогою продуктів Microsoft - це дозволяє використовувати великий спектр послуг, а також отримувати максимальну сумісність усіх сервісів і технологій від одного виробника, який є одним із лідерів на ринку. Розроблена безпека з використанням криптографічних алгоритмів шифрування та двофакторної авторизації дозволяє захистити персональні дані користувачів. Система має чіткий план розвитку для мобільних пристроїв, що дозволяє масштабувати та просувати продукт для його успішного розвинення. ує свій відпочинок, сервіс допоможе їм із вирішенням широких спектрів питань. Метою роботи є розробка програмного забезпечення призначеного для створення розподіленої системи керування ресурсами, яке передбачає можливість резервування. Функції системи мають забезпечити повний життєвий цикл управління ресурсами. Головні особливості системи полягають у створенні універсальності бронювання, фільтрацію кінцевих результатів пошуку, а також створення особистого кабінета користувача, реалізацію двофакторної автентифікації, системі відгуків та побажань і розробку адміністративної частини системи для керування нею.
  • Документ
    Дослідження проблематики використання штучного інтелекту в медичній діагностиці
    (2023) Антонова А. Р.; Ковальов В. С.
    Медична діагностика – це процес оцінки медичних умов або захворювань шляхом аналізу симптомів, історії хвороби та результатів тестів. Метою медичної діагностики є визначення причини медичної проблеми та встановлення точного діагнозу для ефективного лікування. Це може включати різні діагностичні тести, такі як візуалізаційні тести (наприклад, рентген, МРТ, КТ), аналізи крові та процедури біопсії. Результати цих тестів допомагають постачальникам медичних послуг визначити найкращий курс лікування для своїх пацієнтів. Медичну діагностику також можна використовувати для моніторингу розвитку захворювання, оцінки ефективності лікування та виявлення потенційних проблем зі здоров’ям до того, як вони стануть серйозними. Алгоритми штучного інтелекту (ШІ) можуть аналізувати медичні зображення (наприклад, МРТ, ультразвук, КТ та DXA) і допомагати лікарям точніше та швидше виявляти та діагностувати захворювання. ШІ може аналізувати великі обсяги даних пацієнтів, включаючи медичні 2D/3D зображення, біосигнали (наприклад, ЕКГ, ЕЕГ, тощо), життєво важливі показники (наприклад, температура тіла, частота пульсу, частота дихання та артеріальний тиск), демографічну інформацію, історію хвороби та результати лабораторних досліджень. Це може підтримувати прийняття рішень і забезпечувати точні результати прогнозування, а також діагностам приймати більш обґрунтовані рішення щодо догляду за пацієнтами.
  • Документ
    Синтетичні набори даних в штучному інтелекті
    (2023) Антонова А. Р.; Юрченко С.
    Авторами здійснено аналіз тлумачення поняття «синтетичні набори даних», існуючих шляхів моделювання і генерації даних, та проблем, які такі комп’ютерні програми вирішують. Постановка проблеми. Синтетичні набори даних в штучному інтелекті - це набори даних, створені шляхом моделювання та генерації даних, що є штучно створеними екземплярами реальних даних. Ці дані можуть бути використані для навчання та тестування моделей машинного навчання та інших алгоритмів штучного інтелекту.