Соловська Ірина Миколаївна

Постійний URI для цього зібрання

Переглянути

Нові надходження

Зараз відображається 1 - 20 з 37
  • Документ
    Робоча програма навчальної дисципліни Big data та хмарні технології. Галузь знань 01 «Освіта/Педагогіка». Спеціальність 014.09 – «Середня освіта (Інформатика)». Освітня програма «Інформатика та програмування». Другий (магістерський) рівень
    (Одеса, 2024) Соловська, Ірина Миколаївна
    Дисципліна «Big Data та хмарні технології» формує у здобувачів необхідний обсяг теоретичних і практичних знань про великі данні Big Data, методи та засоби їхнього аналізу та обробки, основних принципів управління великими даними. Вивчення дисципліни забезпечує володіння знаннями щодо хмарних технологій та технологій віртуалізації, гіпервізорів, систем управління, балансування трафіку хмарних ресурсів та забезпечення гарантованої якості обслуговування. Знання, отриманні при вивченні дисципліни «Big Data та хмарні технології» дозволять здобувачам виконувати інтелектуальний аналіз та обробку великих даних, формувати віртуальні хмарні середовища та володіти навичками контейнерної віртуалізації, володінню інструментами конфігурування віртуальних хмарних ресурсів і способами оцінки ефективності хмарної інфраструктури.
  • Документ
    Положення факультету кібербезпеки, програмної інженерії та комп’ютерних наук про підготовку та захист кваліфікаційних робіт бакалаврів та магістрів денної та заочної форми навчання : методичний посібник
    (Одеса, 2023) Стрелковська, Ірина Вікторівна; Соловська, Ірина Миколаївна; Григор’єва, Тетяна Ігорівна; Гура, Володимир Ігорович; Розенвассер, Денис Михайлович
    Нормативний документ для всіх випускників, їхніх керівників та рецензентів за спеціальностями: 014 Середня освіта (інформатика), 121 Інженерія програмного забезпечення, 122 Комп'ютерні науки, 123 Комп’ютерна інженерія, 125 Кібербезпека та захист інформації, 172 Електронні комунікації та радіотехніка.
  • Документ
    Методи та системи штучного інтелекту : конспект лекцій для здобувачів другого (магістерського) рівня, які навчаються за спеціальностями: 121 – Інженерія програмного забезпечення, 122 – Комп’ютерні науки, 123 – Комп’ютерна інженерія, 125 – Кібербезпека та захист інформації, 172 – Електронні комунікації та радіотехніка, 014.09 – Середня освіта (Інформатика)
    (2024) Соловська, Ірина Миколаївна; Русу, Олександр Петрович; Педяш, Володимир Віталійович
    Конспект лекцій для курсу «Методи та системи штучного інтелекту» призначені для самостійної роботи здобувачів, що навчаються за другим (магістерським) рівнем за спеціальностями: 121 – Інженерія програмного забезпечення, 122 – Комп’ютерні науки, 123 – Комп’ютерна інженерія, 125 – Кібербезпека та захист інформації, 172 – Електронні комунікації та радіотехніка, 014.09 – Середня освіта (Інформатика). Дисципліна «Методи та системи штучного інтелекту» надає здобувачам знання в галузі штучного інтелекту. Дисципліна орієнтована на вивчення існуючих та перспективних технологій штучного інтелекту. При вивченні дисципліни особливу увагу приділяється методам практичного застосування елементів штучного інтелекту в комп’ютерних пристроях та системах їх програмному забезпеченні та засобах кібербезпеки. Synopsis of lectures for the course "Methods and systems of artificial intelligence" are intended for independent work of applicants studying for the second (master's) level by majors: 121 – Software engineering, 122 – Computer science, 123 – Computer engineering, 125 – Cyber ​​security and information protection, 172 – Electronic communications and radio engineering, 014.09 – Secondary education (Informatics). The discipline "Methods and systems of artificial intelligence" provides students with knowledge in the field of artificial intelligence. The discipline is focused on the study of existing and promising technologies of artificial intelligence. When studying the discipline, special attention is paid to methods of practical application of artificial intelligence elements in computer devices and systems, their software and cyber security tools.
  • Документ
    Статистичне моделювання та програмування : методичні рекомендації для самостійної роботи здобувачів, які навчаються за другим (магістерським) рівнем вищої освіти зі спеціальності 112 «Статистика»
    (Одеса, 2024) Соловська, Ірина Миколаївна; Григор’єва, Тетяна Ігорівна
    Методичні рекомендації з дисципліни «Статистичне моделювання та програмування» розроблено відповідно до навчального плану зі спеціальності 112 «Статистика», вони складаються з навчальної програми курсу, методичних рекомендацій з проведення практичних занять і виконання завдань для самостійної роботи здобувачів, списку рекомендованої літератури. Матеріали призначено для студентів Міжнародного гуманітарного університету, які навчаються зі спеціальності 112 «Статистика», галузь знань - 11 Математика та статистика.
  • Документ
    Інтелектуальний аналіз даних : методичні рекомендації для самостійної роботи здобувачів, які навчаються за другим (магістерським) рівнем вищої освіти зі спеціальності 112 «Статистика»
    (Одеса, 2024) Григор’єва, Тетяна Ігорівна; Соловська, Ірина Миколаївна
    Методичні рекомендації з дисципліни «Інтелектуальний аналіз даних» розроблено відповідно до навчального плану зі спеціальності 112 «Статистика», вони складаються з навчальної програми курсу, методичних рекомендацій з проведення практичних занять і виконання завдань для самостійної роботи здобувачів, списку рекомендованої літератури. Матеріали призначено для студентів Міжнародного гуманітарного університету, які навчаються зі спеціальності 112 «Статистика», галузь знань - 11 Математика та статистика.
  • Документ
    Великі масиви даних : методичні рекомендації для самостійної роботи здобувачів, які навчаються за другим (магістерським) рівнем вищої освіти зі спеціальності 112 «Статистика»
    (Одеса, 2024) Соловська І. М.; Григор’єва Т. І.; Соловська, Ірина Миколаївна; Григор’єва, Тетяна Ігорівна
    Методичні рекомендації з дисципліни «Великі масиви даних» розроблено відповідно до навчального плану зі спеціальності 112 «Статистика», вони складаються з навчальної програми курсу, методичних рекомендацій з проведення практичних занять і виконання завдань для самостійної роботи здобувачів, списку рекомендованої літератури. Матеріали призначено для студентів Міжнародного гуманітарного університету, які навчаються зі спеціальності 112 «Статистика», галузь знань – 11 Математика та статистика.
  • Документ
    Статистичне моделювання та програмування : методичні рекомендації для самостійної роботи здобувачів, які навчаються за другим (магістерським) рівнем вищої освіти зі спеціальності 112 «Статистика»
    (Одеса, 2024) Соловська, Ірина Миколаївна; Григор’єва, Тетяна Ігорівна; Соловська, І. М.; Григор’єва, Т. І.
    Методичні рекомендації з дисципліни «Статистичне моделювання та програмування» розроблено відповідно до навчального плану зі спеціальності 112 «Статистика», вони складаються з навчальної програми курсу, методичних рекомендацій з проведення практичних занять і виконання завдань для самостійної роботи здобувачів, списку рекомендованої літератури. Матеріали призначено для студентів Міжнародного гуманітарного університету, які навчаються зі спеціальності 112 «Статистика», галузь знань – 11 Математика та статистика.
  • Документ
    Сучасні проблеми теорії ймовірностей та математичної статистики : методичні рекомендації для самостійної роботи здобувачів
    (Одеса, 2024) Григор’єва, Тетяна Ігорівна; Соловська, Ірина Миколаївна; Григор’єва, Т. І.; Соловська, І. М.
    Методичні рекомендації з курсу «Сучасні проблеми теорії ймовірностей та математичної статистики» розроблено відповідно до навчального плану, вони складаються з навчальної програми курсу, методичних рекомендацій з проведення практичних занять і завдань для самостійної роботи здобувачів, списку рекомендованої літератури. Матеріали призначено для студентів Міжнародного гуманітарного університету, які в магістратурі вивчають галузь знань - 11 Математика та статистика. Вивчення дисципліни «Сучасні проблеми теорії ймовірностей та математичної статистики» сприятиме залученню здобувачів до науково-дослідницької діяльності та підготовки ними публікацій, кваліфікаційних й інших наукових робіт.
  • Документ
    Аналіз даних та комп’ютерна статистика: методичні рекомендації для самостійної роботи здобувачів
    (Одеса, 2024) Григор’єва, Т. І.; Соловська, І. М.; Григор’єва, Тетяна Ігорівна; Соловська, Ірина Миколаївна
    Методичні рекомендації з курсу «Аналіз даних та комп’ютерна статистика» розроблено відповідно до навчального плану, вони складаються з навчальної програми курсу, методичних рекомендацій з проведення практичних занять і завдань для самостійної роботи здобувачів, списку рекомендованої літератури. Матеріали призначено для студентів Міжнародного гуманітарного університету, які в магістратурі вивчають галузь знань - 11 Математика та статистика. Вивчення дисципліни «Аналіз даних та комп’ютерна статистика» сприятиме залученню здобувачів до науково-дослідницької діяльності та підготовки ними публікацій, кваліфікаційних й інших наукових робіт.
  • Документ
    Сплайн-апроксимація в 3D-моделюванні
    (Львів – Торунь : Liha-Pres, 2022) Стрелковська, Ірина Вікторівна; Стрелковська, І. В.; Стрелковская, Ирина Викторовна; Strelkovska, Iryna V.; Соловська, Ірина Миколаївна; Соловська, І. М.
  • Документ
    Маршрутизація в мережі MPLS-TE з додатковими напрямами передавання трафіку
    (2016) Стрелковська, Ірина Вікторівна; Стрелковська, І. В.; Стрелковская, Ирина Викторовна; Strelkovska, Iryna V.; Соловська, Ірина Миколаївна; Соловська, І. М.
    Запропоновано використання вузлового тензорного методу для рішення задачі маршрутизації в мережі MPLS-TE з додатковими напрямками передавання трафіку. Виконано вибір додаткового напрямку маршрутизації трафіку за критерієм мінімального часу доставки пакетів з метою забезпечення збалансованого завантаження та відмовостійкості мережі.
  • Документ
    Using spline-extrapolation in the research of self-similar traffic characteristics
    (2019) Стрелковська, Ірина Вікторівна; Стрелковська, І. В.; Стрелковская, Ирина Викторовна; Strelkovska, Iryna V.; Соловська, Ірина Миколаївна
    The problem of predicting self-similar traffic is considered, the solution of which modeling of self-similar traffic was per- formed using the Simulink software package in MATLAB environment. For the simulation, the queuing system WB/M/1/K with Weibull distribution was used. The use of the spline-extrapolation method made it possible to predict self-similar traffic outside the considered period of time on which packet data transmission is considered. Extrapolation of traffic for short-term and long-term forecasts is considered. Comparison of the results of the prediction of self-similar traffic using various spline functions has shown that the accuracy of the forecast can be improved through the use of cubic splines. A method is proposed for estimating the error of traffic prediction for each variant of traffic forecasting using linear, cubic splines. The results of the research will allow you to perform effective traffic management with the support of quality characteristics, by providing the required parameters of network hardware and software in order to avoid overloads in the network.
  • Документ
    Use of spline-extrapolation to improve the quality indicators of telecommunication systems
    (2019) Стрелковська, Ірина Вікторівна; Стрелковська, І. В.; Стрелковская, Ирина Викторовна; Strelkovska, Iryna V.; Соловська, І. М.; Solovska, Iryna M.; Толмак, В. Є.; Tolmak, V. Е.
    The problem of predicting self-similar traffic with significant and frequent ripples and the property of long-term dependence is considered. For short-term prediction of self-similar traffic, which is performed outside the considered time interval, a method of spline extrapolation based on various spline functions (cubic and cubic B-splines) is proposed. We recommend a method for estimating traffic prediction errors for each traffic prediction option using cubic or cubic B-splines. Comparison of the results of predicting self-similar traffic using various spline functions (cubic and cubic B-splines) show that the accuracy of the prediction can be improved by using cubic B-splines. According to the results of the study, it is established that cubic B-splines are characterized by high constructively, adequacy to the tasks and simplicity of practical implementation. Their use makes it possible to greatly simplify computational processes using formalized mathematical constructs. The use of the proposed method of spline extrapolation based on cubic B-splines has several advantages over other known methods, namely, ease of practical implementation, high accuracy of forecasting, the ability to accurately extrapolate peak "bursts" of traffic, which is especially important when solving problems in real time. The results of predicting selfsimilar traffic will allow the operator, at the stage of design and further operation of the mobile communication network, to provide the required amount of buffer devices for the network hardware and software, thereby avoiding network congestion and exceeding standard values of traffic service quality indicators. Proposed is the prospect of further research through the use of wavelet-extrapolation in order to improve the accuracy of prediction. Practical significance is determined by the developed recommendations for using the spline-extrapolation method in solving various problems of designing networks of various technologies and structures.
  • Документ
    Spline-extrapolation method for restoring self-similar traffic
    (2019) Стрелковська, Ірина Вікторівна; Стрелковська, І. В.; Стрелковская, Ирина Викторовна; Strelkovska, Iryna V.; Соловська, Ірина Миколаївна; Solovska, Iryna M.; Паскаленко, Вікторія Миколаївна; Paskalenko, Viktoriia M.
    The problem of predicting self-similar traffic, which has a considerable number of bursts and ripples and the property of long-term dependence, using the method of spline-extrapolation using cubic B-splines was considered in this paper. The application of the spline-extrapolation method allowed to predict self-similar traffic outside the analyzed time segment, which deals with packet data transmission on the mobile network. A method for estimating the traffic predicting error using the method of spline-extrapolation based on cubic B-splines is proposed. According to the results of the study, it is found that cubic B-splines are characterized by high design and ease of practical implementation. Their use makes it possible to greatly simplify computational processes using formalized mathematical constructs. On the example of simulated self-similar traffic received in the Simulink package of the Matlab environment, a spline-extrapolation was performed using cubic B-splines. This made it possible to obtain a "route" of traffic beyond the considered segment, which corresponds to the results of modeling with a certain prediction accuracy. The use of the proposed method of spline-extrapolation based on cubic B-splines has several advantages over other known methods, namely, ease of practical implementation, high accuracy of forecasting, the ability to accurately extrapolate peak "bursts" of traffic, which is especially important when solving problems in real time. The practical significance of the results of the study is determined by the fact that the obtained values of traffic intensity with a known load of network nodes, will allow the operator at the stage of design and subsequent operation of the mobile network to predict the required volume of buffer devices network hardware, thereby avoiding network congestion and accidence of regulatory values of traffic service quality characteristics. The prospect of further research is suggested by using wavelet extrapolation to improve the accuracy of estimates predicting. Розглянуто задачу прогнозування самоподібного трафіку, який володіє значною кількістю сплесків і пульсацій та властивістю довгострокової залежності, за допомогою методу сплайн-екстраполяції з використанням кубічних В-сплайнів. Застосування методу сплайн-екстраполяції дозволило спрогнозувати самоподібний трафік поза аналізованого сегменту часу, на якому розглядається передача пакетних даних в мережі мобільного зв’язку. Запропоновано метод оцінки похибки прогнозування трафіку з використанням методу сплайн-екстраполяції на базі кубічних В-сплайнів. За результатами дослідження встановлено, що кубічні В-сплайни характеризуються високою конструктивністю та простотою практичної реалізації. Їх використання дозволяє значно спростити обчислювальні процеси, використовуючи формалізовані математичні конструкції. На прикладі змодельованого самоподібного трафіку, отриманого в пакеті Simulink середовища Matlab, виконана сплайн-екстраполяція з використанням кубічних В-сплайнів. Це дозволило отримати «трасу» трафіку поза межами розглянутого сегменту, яка відповідає результатам моделювання з визначеною точністю прогнозу. Використання запропонованого методу сплайн-екстраполяції на базі кубічних В-сплайнів має ряд переваг в порівнянні з іншими відомими методами, а саме, простота практичної реалізації, висока точність прогнозу, можливості достатньо точно екстраполювати пікові «сплески» трафіку, що особливо важливо при вирішенні задач в реальному масштабі часу. Практична значимість отриманих результатів дослідження визначається тим, що отримані значення інтенсивності трафіку при відомій завантаженості мережевих вузлів, дозволять оператору на етапі проектування і подальшої експлуатації мережі мобільного зв'язку передбачити необхідний обсяг буферних пристроїв апаратно-програмних засобів мережі, тим самим уникнувши перевантажень в мережі і перевищень нормативних значень характеристик якості обслуговування трафіку. Запропоновано перспективу подальших досліджень за рахунок використання вейвлет-екстраполяції з метою підвищення оцінок точності прогнозування.
  • Документ
    Опрацювання зображень та відео методами штучного інтелекту : Методичні рекомендації для самостійної роботи здобувачів, які навчаються за другим (магістерським) рівнем вищої освіти в галузі знань 12 «Інформаційні технології»
    (Одеса : Кафедра комп’ютерних наук Міжнародного гуманітарного університету, 2023) Соловська, І. М.; Соловська, Ірина Миколаївна; Розенвассер, Д. М.; Розенвассер, Денис Михайлович
    Методичні рекомендації з курсу «Опрацювання зображень та відео методами штучного інтелекту» призначено для самостійної роботи здобувачів, що навчаються за другим (магістерським) рівнем в галузі знань 12 «Інформаційні технології». Методичні рекомендації розроблено у відповідності до навчального плану освітньо-професійної програми «Інженерія програмного забезпечення» зі спеціальності 121 «Інженерія програмного забезпечення», освітньо-професійної програми «Комп’ютерні науки» зі спеціальності 122 «Комп’ютерні науки», освітньо-професійної програми «Комп’ютерна інженерія» зі спеціальності 123 «Комп’ютерна інженерія». Матеріали призначено для студентів факультету кібербезпеки, програмної інженерії та комп’ютерних наук Міжнародного гуманітарного університету. Дисципліна «Опрацювання зображень та відео методами штучного інтелекту» формує у здобувачів необхідний обсяг теоретичних і практичних знань про параметри та принципи формування зображень, підходів до обробки, сегментації та аналізу зображень.
  • Документ
    Надійність телекомунікаційних систем та мереж : Методичні рекомендації для самостійної роботи здобувачів, які навчаються за другим (магістерським) рівнем вищої освіти в галузях знань 12 «Інформаційні технології» та 17 «Електроніка, автоматизація та електронні комунікації»
    (Одеса : Кафедра комп’ютерних наук Міжнародного гуманітарного університету, 2023) Соловська, І. М.; Соловська, Ірина Миколаївна; Розенвассер, Д. М.; Розенвассер, Денис Михайлович
    Методичні рекомендації з курсу «Надійність телекомунікаційних систем та мереж» призначено для самостійної роботи здобувачів, що навчаються за другим (магістерським) рівнем в галузі знань 12 «Інформаційні технології» та 17 «Електроніка, автоматизація та електронні комунікації». Дисципліна «Надійність телекомунікаційних систем та мереж» формує у здобувачів необхідний обсяг теоретичних і практичних знань про критерії і показники надійності різних видів технічних об’єктів, методи аналізу і синтезу техніки по критеріях надійності, наукові методи експлуатації техніки, які забезпечують її експлуатаційну надійність, надійність інформаційних систем, критерії абсолютно надійних систем, надійність програмного забезпечення, завадостійкість систем та мереж.
  • Документ
    Моделювання та оптимізація систем та мереж : Методичні рекомендації для самостійної роботи здобувачів, які навчаються за другим (магістерським) рівнем вищої освіти в галузі знань 12 «Інформаційні технології»
    (Одеса : Кафедра комп’ютерних наук Міжнародного гуманітарного університету, 2023) Соловська, І. М.; Соловська, Ірина Миколаївна; Розенвассер, Д. М.; Розенвассер, Денис Михайлович
    Методичні рекомендації з курсу «Моделювання та оптимізація систем та мереж» призначено для самостійної роботи здобувачів, що навчаються за другим (магістерським) рівнем в галузі знань 12 «Інформаційні технології». Методичні рекомендації розроблено у відповідності до навчального плану освітньо-професійної програми «Інженерія програмного забезпечення» зі спеціальності 121 «Інженерія програмного забезпечення», освітньо-професійної програми «Комп’ютерні науки» зі спеціальності 122 «Комп’ютерні науки», освітньо-професійної програми «Комп’ютерна інженерія» зі спеціальності 123 «Комп’ютерна інженерія». Матеріали призначено для студентів факультету кібербезпеки, програмної інженерії та комп’ютерних наук Міжнародного гуманітарного університету. Дисципліна «Моделювання та оптимізація систем та мереж» формує у здобувачів необхідний обсяг теоретичних і практичних знань про системне моделювання та галузь його застосування в системному інжинірингу, методи концептуального проектування та функціональний аналіз технічної системи, формує знання з архітектурного моделювання системи та її синтезу. При вивченні дисципліни особливу увагу приділено теоретичному та експериментальному дослідженню, розробці та використанню математичних моделей систем і процесів, математичних методів, а також отриманню знань, основних понять, положень та особливостей математичного моделювання, засвоєння теоретичних знань і формуванню практичних навичок з основ моделювання систем та мереж.
  • Документ
    Big Data та хмарні технології : методичні рекомендації для самостійної роботи здобувачів, які навчаються за другим (магістерським) рівнем вищої освіти в галузі знань 12 «Інформаційні технології»
    (Одеса : Кафедра комп’ютерних наук Міжнародного гуманітарного університету., 2023) Соловська, І. М.; Соловська, Ірина Миколаївна; Розенвассер, Д. М.; Розенвассер, Денис Михайлович
    Методичні рекомендації з курсу «Big Data та хмарні технології» призначено для самостійної роботи здобувачів, що навчаються за другим (магістерським) рівнем в галузі знань 12 «Інформаційні технології». Методичні рекомендації розроблено у відповідності до навчального плану освітньо-професійної програми «Інженерія програмного забезпечення» зі спеціальності 121 «Інженерія програмного забезпечення», освітньо-професійної програми «Комп’ютерні науки» зі спеціальності 122 «Комп’ютерні науки», освітньо-професійної програми «Комп’ютерна інженерія» зі спеціальності 123 «Комп’ютерна інженерія». Матеріали призначено для здобувачів факультету кібербезпеки, програмної інженерії та комп’ютерних наук Міжнародного гуманітарного університету. Дисципліна «Big Data та хмарні технології» формує у здобувачів необхідний обсяг теоретичних і практичних знань про великі данні Big Data, методи та засоби їхнього аналізу та обробки, основних принципів побудови систем управління великими даними. При вивченні дисципліни особливу увагу приділено складу та вивченню можливостей програмного забезпечення сучасних систем, які використовуються для збереження та обробки великих даних в інформаційних системах за допомогою хмарних технологій.
  • Документ
    Цифрові системи комутації : навчальний посібник, частина 1
    (Одеса : ОНАЗ ім. О. С. Попова, 2007) Соловська, І. М.; Соловська, Ірина Миколаївна; Solovska, Iryna M.