Каскадна модель машинного навчання для попереднього опрацювання даних екологічного моніторингу з розвиненої мережі пристроїв ІоТ

Abstract

Магістерська кваліфікаційна робота виконана студентом групи КНСШ-22 Шевчуком Ігорем Олеговичем. Тема “Каскадна модель машинного навчання для попереднього опрацювання даних екологічного моніторингу з розвиненої мережі пристроїв ІоТ”. Робота направлена на здобуття ступеня магістр за спеціальністю 122 «Комп’ютерні науки». Метою дипломної роботи є розробка каскаду методів машинного навчання для реалізації граничних обчислень під час розвʼязання задачі заповнення пропусків у даних з розвиненої системи пристроїв IoT. Об’єктом дослідження є процеси попереднього опрацювання даних екологічного моніторингу стану повітряного середовища за допомогою пристроїв інтернету речей. Предметом дослідження є ансамблеві методи реалізації граничних обчислень для заповнення пропусків у даних з розвиненої мережі пристроїв ІоТ. Результатом виконання роботи є ріалізований каскадний метод для заповнення пропусків у даних повітряного моніторингу пристроями IoT. Master#s degree work of the student of the group CSAI-22 Shevchuk Ihor Olehovych. The topic is "A cascade machine learning model for preprocessing environmental monitoring data from a developed network of IoT devices". The work is aimed at obtaining a master's degree in 122 "Computer Science". Research purpose: develop a cascade of machine learning methods for the implementation of boundary computations when solving the problem of filling missing values in data from a developed system of IoT devices. Research object: the processes of pre-processing of the environmental monitoring data of the state of the air environment with the help of Internet of Things devices. Research subject: the ensemble methods of implementing edge computing to fill missing values in data from a developed network of IoT devices. The practical significance of the work is a developed cascade method for filling missing values in aerial monitoring data with IoT devices.