http://hdl.handle.net/123456789/5813 Доцент Tue, 14 Apr 2026 14:00:02 GMT 2026-04-14T14:00:02Z http://hdl.handle.net/123456789/10189 Розробка мобільного додатку QR CODE SCANNER за допомогою фреймворку FLUTTER та мови програмування DART Науменко, О.; Переяславська, С. Науменко О. Розробка мобільного додатку QR CODESCANNER за допомогою фреймворку FLUTTER та мови програмування DART / О. Науменко, С. Переяславська // Актуальні виклики розвитку інформаційної діяльності в глобальному вимірі : матеріали всеукр. наук.-практ. конф. Полтава : Вид-во ДЗ «ЛНУ імені Тараса Шевченка», 2024. –С.87-94. Mon, 01 Jan 2024 00:00:00 GMT http://hdl.handle.net/123456789/10189 2024-01-01T00:00:00Z http://hdl.handle.net/123456789/10188 Етапи еволюції вебдодатків: модель рівнів зрілості Острецов, Д.; Переяславська, С. Острецов Д. Етапи еволюції вебдодатків: модель рівнів зрілості / Д. Острецов, С. Переяславська // Актуальні аспекти розвитку STEAM-освіти в умовах євроінтеграції: зб. матеріалів ІІ міжнар. наук.-практ. інтернет-конф., (м. Кропивницький, 26 квітня 2024 року). – Кропивницький : ДонДУВС, 2024. – С.56-58. Mon, 01 Jan 2024 00:00:00 GMT http://hdl.handle.net/123456789/10188 2024-01-01T00:00:00Z http://hdl.handle.net/123456789/10187 Методи штучного інтелекту для аналізу та обробки мультимедійних даних Переяславська, С. О.; Смагіна, О. О. Завдяки своїм потужним алгоритмам та можливостям машинного навчання, ШІ може автоматизувати та вдосконалювати багато процесів, пов’язаних з мультимедіа, роблячи їх більш ефективними, точними та інтелектуальними. У статті розглядаються сучасні методи штучного інтелекту (ШІ), які використовуються для аналізу та обробки мультимедійних даних, таких як зображення, відео, аудіо та текст. У статті запропоновано комплексний огляд сучасних методів ШІ для обробки та аналізу мультимедійних даних шляхом порівняння методів між собою за параметрами ефективності, точності й готовності до застосування. Зокрема, стаття присвячена передовим методам штучного інтелекту, таким як глибокі нейронні мережі (DNN), рекурентні нейронні мережі (RNN), моделі на основі спектрограм і трансформатори, моделі на основі трансформерів, обробка зображень на основі пікселів, відстеження рухомих об’єктів, генеративнозмагальні мережі (GANs), підсилювальне навчання (RL) та гібридні системи. Проаналізовано вищезазначені методи ШІ, їх застосування та відсоток використання кожного методу. Обговорюються переваги та недоліки кожного з методів, а також перспективні напрямки розвитку в цій сфері. Описано 16 методів ШІ для аналізу та обробки мультимедійних даних, які представлено в таблиці з відсотковим розподілом їх використання. Розглянуто основні та додаткові методи штучного інтелекту для аналізу та обробки мультимедійних даних. Розроблено порівняльну таблицю точності методів аналізу та обробки мультимедійних даних. З’ясовано, що глибокі нейронні мережі (CNN) є ключовими для обробки зображень завдяки їх здатності виділяти складні ознаки. Рекурентні нейроннім мережі (RNN) ефективні для роботи з послідовними даними, такими як відео та текст. Нейронні мережі на основі спектрограм спеціалізуються на аналізі аудіо даних, а моделі на основі трансформерів є універсальними інструментами для обробки послідовних даних завдяки механізму уваги . Кожен з цих методів має свої унікальні переваги та області застосування, що робить їх незамінними у сучасних системах обробки мультимедійної інформації. ШІ пропонує нові можливості для аналізу та обробки мультимедійних даних, роблячи процеси більш ефективними та автоматизованими. Переяславська С. О. Методи штучного інтелекту для аналізу та обробки мультимедійних даних / С. О. Переяславська, О. О. Смагіна // Наука і техніка сьогодні. (Серія «Техніка»). – 2024. – № 5(33). – С. 1299-1308. Mon, 01 Jan 2024 00:00:00 GMT http://hdl.handle.net/123456789/10187 2024-01-01T00:00:00Z http://hdl.handle.net/123456789/7870 Застосування технології перевернутого навчання на уроках інформатики Гуріна, С. М.; Переяславська, С. О. Гуріна С. М. Застосування технології перевернутого навчання на уроках інформатики / С. М. Гуріна, С. О. Переяславська // Роль інновацій в трансформації образу сучасної науки : Матеріали IІI Міжнар. наук.-практич. конф. (м. Київ, 27–28 грудня 2019 р.) / ГО «Інститут інноваційної освіти»; Науково-навчальний центр прикладної інформатики НАН України. – Київ : ГО «Інститут інноваційної освіти», 2019. – С. 16-18. Tue, 01 Jan 2019 00:00:00 GMT http://hdl.handle.net/123456789/7870 2019-01-01T00:00:00Z