Кафедра технологій управління
Постійний URI для цього зібрання
Переглянути
Нові надходження
Зараз відображається 1 - 5 з 115
- ДокументУправління проектом з розробки онлайн сервісу для відкриття та ведення бізнесу Start Business Platform(2022) Добровольська Яніна; Тімінський Олександр ГеоргійовичУ результаті виконання кваліфікаційної роботи магістра описано проект створення онлайн платформи для відкриття та ведення бізнесу. У роботі було розглянуто 3 альтернативні способи досягнення цілі. Методом експертного оцінювання було обрано найоптимальнішу. Визначено організаційну структуру та склад персоналу. Розраховані витрати на заробітну плату та інші статті витрат. Сформовано план продажів, розраховано залучення кредитних коштів та план їх погашення. Проаналізовано інвестиційну привабливість проєкту. Продукт проекту — вебресурс (онлайн платформа) з декількома компонентами (публічна та адміністративна частини, модуль інтеграцій тощо). Сітьова діаграма виконана у додатку Microsoft Project 2021. Наведений перелік робіт проекту та їх короткий опис, наведено перелік основних віх проекту. Для управління часом в проекті побудовано діаграму Ганта. Для виконання цієї задачі використано додаток Microsoft Project 2021. Сформовано часову шкалу. Сформовано перелік ресурсів проекту, визначено навантаження трудових ресурсів проекту. Виявлено перенавантаження ресурсів, та використані інструменти для вирівнювання навантаження ресурсів. Проведено визначення та аналіз ризиків проекту.
- ДокументУправління проектом розробки інтернет порталу «inSchool» для організації позашкільної освіти дітей(2022) Ведмідь Сергій Миколайович; Тімінський Олександр ГеоргійовичЗа результатами дослідження галузі освіти було встановлено що ринок освіти перебуває в стані бурхливого розвитку, є найцікавішим з точки зору інвестування, показники які зростають з кожним роком, найбільш прибутковими і найбільш затребуваними зараз на ринку є системи з організації освітнього процесу. Проаналізовано сучасні методології, методи та стандарти з управління проектами і визначено, що для управління проектом «inSchool» буде взято за основу методологію Scrumban, яка включає застосування принципів Kanban щодо візуалізації робочого процесу і гнучких процесів в роботі Scrum команди. Було здійснено опис продукту і визначено його особливості, який є поєднанням чотирьох складових: маркетплейс, соціальна мережа, освітня платформа і інтерактивна гра. На платформі мають бути реалізовані інтерфейси основних груп учасників - учня, вчителя, батьків та навчальних закладів. Розроблена модель візуалізації бізнес процесів і модель монетизації. В рамках досліджень навколо концепції проекту було здійснено PEST, SWOT, аналіз за Портером та аналіз наступних проектних альтернатив: маркетплейс онлайн освіти, спеціалізована онлайн школа, школа-пансіон та маркетплейс офлайн освіти. Здійснено управління змістом проекту, побудована WBS робіт проекту, яка загалом складається з 135 позицій. Серед яких визначено 8 віх, які для нас слугуватимуть важливими дедлайнами і показниками щодо руху процес здійснення проекту. Також здійснено структурування за фазами реалізації, яких оскільки це ІТ проект передбачається 7, які також передбачають більше двох рівнів вкладеності.
- ДокументІнформаційний аналіз та прогнозування даних автомобільного ринку(2023) Романенко Євгеній Миколайович; Осауленко Ігор АнатолійовичОб’єкт дослідження - автомобільний ринок із своєю структурою, динамікою та факторами впливу, що включають продажі автомобілів, ціни, виробництво, витрати на маркетинг та інші параметри, що характеризують ринок. Предмет дослідження - інформаційний аналіз та прогнозування даних автомобільного ринку, включаючи методи, моделі та інструменти для збору, обробки, аналізу та прогнозування даних, що впливають на автомобільний ринок. Наукова новизна полягає у визначенні важливих аспектів функціонування ринку автомобілів, застосуванні алгоритмів машинного навчання для аналізу великої кількості даних про ринок автомобілів, розробці ефективної моделі машинного навчання, що допомогає вияввляти складні зв'язки та тренди, що впливають на ціни. Ключові слова: машинне навчання, методи, інформаційна аналітика даних, ринок автомобілів, моделювання, аналіз ринку автомобілів, прогнозування цін.
- ДокументІнформаційний аналіз та прогнозування даних у сфері E-Commerce(2023) Колумбет Антон Петрович; Хлевна Юлія ЛеонідівнаМета кваліфікаційної роботи магістра – розробити методику для застосування інформаційного аналізу та прогнозування даних сфери електронної діяльності, з використанням методів Machine Learning. Наукова новизна роботи – розроблено методику застосування інформаційного аналізу та прогнозування в бізнесовій діяльності компанії, яка відрізняється від існуючих тим, що надає вагому кількість інформації з використанням машинного навчання, яка може бути застосована в діяльності електронної комерції, а саме маркетингових підходах upsell та cross-sell та надає інформацію про наступну покупку клієнтів ще на стадії заповнення кошику. У роботі досліджуються існуючі підходи до інформаційного аналізу та прогнозування у задачах керування проектною діяльністю компанії. Розробляється методика їх використання, а також проводиться обґрунтування доцільності та необхідності впровадження запропонованої методики. Наводяться рекомендації щодо практичної імплементації методики. Ключові слова: електронна комерція, інформаційний аналіз даних, машинне навчання, методика, метод, методологія, прогнозування.
- ДокументІнформаційний аналіз та прогнозування даних онлайн-сервісів ринку нерухомості(2023) Скляров Андрій Олександрович; Хлевний Андрій ОлександровичМета дипломної роботи магістра – проаналізувати ринок нерухомості України та розробити модель прогнозування цін на житло за допомогою математичних методів машинного навчання. Наукова новизна полягає у визначенні важливих аспектів функціонування ринку житлової нерухомості, застосуванні алгоритмів машинного навчання для аналізу великої кількості даних про ринок нерухомості, розробці ефективної моделі машинного навчання, що допомогає виявляти складні зв'язки та тренди, що впливають на ціни. Для досліджень теоретичних аспектів житлового ринку були використані методи дедукції та індукції, аналізу та синтезу. Для аналізу та прогнозування ціни було застосовано системний та комплексний підхід, статистичні методи збору та обробки інформації. Для прогнозування було використано чотири методи – лінійна регресія, регуляризація, випадковий ліс та XGBoost. Визначено найбільш точну з них та обґрунтування результатів з економічної точки зору. Ключові слова: машинне навчання, методи, інформаційна аналітика даних, ринок нерухомості, моделювання, аналіз ринку нерухомості, прогнозування цін.