Browsing by Author "Kolodiy, R."

Filter results by typing the first few letters
Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    Вплив параметрів стратегії технічного обслуговування на частоту потрапляння в аварійну ситуацію системи коміркового зв’язку
    (Видавництво Львівської політехніки, 2022-03-01) Озірковський, Л.; Маринович, В.; Колодій, Р.; Ozirkovskyy, L.; Marynovych, V.; Kolodiy, R.; Національний університет “Львівська політехніка”; Lviv Polytechnic National University
    У статті висвітлено можливості застосування методики синтезу параметрів стратегії технічного обслуговування системи коміркового зв’язку. На основі марковської моделі здійснено оцінювання показника функціональної безпечності системи коміркового зв’язку, а саме частоти потрапляння в аварійну ситуацію, залежно від тривалості періоду планово-профілактичного обслуговування, виконання ремонтних робіт тощо. Особливістю запропонованого підходу є те, що проєктант має змогу вибрати доцільні параметри стратегії тенічного обслуговування на етапі системотехнічного проєктування, коли системи коміркового зв’язку ще не створено в “залізі”.
  • Thumbnail Image
    Item
    Дослідження методу автоматизованого розгортання машинного навчання на основі технологій CI/CD
    (Видавництво Львівської політехніки, 2022-03-01) Федорченко, В.; Красько, О.; Демидов, І.; Колодій, Р.; Fedorchenko, V.; Krasko, O.; Demydov, I.; Kolodiy, R.; Національний університет “Львівська політехніка”; Lviv Polytechnic National University
    У цій статті запропоновано метод автоматизованого розгортання алгоритмів машинного навчання на основі програмного продукту Splunk Enterprise та додатку для нього Splunk Machine Learning Toolkit. Реалізація цього методу дасть можливість розгортати системи ML в найкоротші терміни, вносити зміни до її структурних одиниць з мінімальним впливом на інші складові та адаптувати моделі ML до змін у вхідних даних, переносити систему до іншого середовища чи постачальника хмарних послуг. Перевагою використання цього методу є можливість відслідковувати активність користувачів та, за необхідності виявляти аномалії у їх поведінці. Аномалії виявляються серед даних системних/аудит логів. Після встановлення потрібних джерел даних на серверах для моніторингу, дані будуть отримані на індексері та стануть доступними для подальшої обробки йнавчання моделі ML