Мінін, Ігорь БорисовичІгорь БорисовичМінінХлевний, Андрій Олександрович2026-05-112026-05-112025Мінін І. Б. Розробка технології для оптимізації енергоспоживання в розумних будинках методами Data Science : кваліфікаційна робота магістра : 122 Комп’ютерні науки / наук. кер. А. Хлевний. Київ, 2025. 90 с.https://ir.library.knu.ua/handle/15071834/20196Мета дипломної роботи магістра – створення методики прогнозування енергоспоживання та виявлення пікових навантажень на основі методів Data Science, а також розробка прототипу інформаційної системи для аналізу, візуалізації та генерації рекомендацій щодо оптимізації споживання. Об’єкт дослідження – енергоспоживання в житлових будинках у контексті впровадження інтелектуальних систем управління. Предмет дослідження – методи обробки даних, побудови прогнозних моделей та алгоритми прийняття рішень для оптимізації енергоспоживання у розумному будинку. Наукова новизна роботи – полягає в поєднанні інтерпретованих методів машинного навчання з аналізом ключових драйверів навантаження та адаптивними алгоритмами прогнозування споживання в умовах нестабільних даних. Запропонована технологія враховує погодні фактори, активність пристроїв і часові закономірності, а також включає автоматичну генерацію рекомендацій на основі структурованих JSON-звітів. У роботі проведено огляд сучасних архітектур систем розумного будинку, класифіковано методи оптимізації енергоспоживання, реалізовано прототип аналітичної системи з функціями прогнозу, візуалізації та пояснення впливу факторів. Побудовані моделі оцінено за метриками MAPE, R² та SHAP. Сформовано рекомендації щодо перенесення пікових навантажень, підвищення ефективності та адаптації моделей до змінних умов. Дипломна робота складається зі вступу, чотирьох розділів, висновків і списку використаних джерел. Загальний обсяг – 90 сторінок, кількість джерел – 33, перелік додатків: А, Б. Ключові слова: розумний будинок, енергоспоживання, прогнозування, машинне навчання, оптимізація, інтерпретовані моделі, SHAP, MAPE.ukрозумний будинокенергоспоживанняпрогнозуваннямашинне навчанняоптимізаціяінтерпретовані моделіSHAPMAPEМагістерська робота