Розробка програмних засобів для оптимізації робочого часу із використанням нейромережі архітектури LSTM

Abstract

У магістерській роботі досліджено та розроблено програмне забезпечення для інтелектуального планування робочого часу з використанням алгоритмів машинного навчання. Актуальність дослідження зумовлена зростанням обсягу інформації, кількості завдань і необхідністю ефективного управління часом як в індивідуальній, так і в командній діяльності. Традиційні системи планування не враховують індивідуальні поведінкові особливості користувачів, що знижує їхню ефективність у динамічних умовах. У роботі проведено аналіз сучасних підходів до автоматизації планування та рекомендаційних систем. Обґрунтовано вибір алгоритму Alternating Least Squares для формування персоналізованих рекомендацій на основі взаємодії користувачів з об’єктами, а також рекурентної нейронної мережі Long Short-Term Memory для прогнозування оптимального розподілу завдань у часі. Запропоновано логічну модель інтеграції цих алгоритмів у програмну систему, що забезпечує комплексну персоналізацію з урахуванням уподобань, пріоритетів і поведінкових патернів користувача. Розроблено багаторівневу архітектуру веб-застосунку з використанням сучасних технологій, зокрема Angular і TypeScript на стороні клієнта, Java та PostgreSQL для реалізації бізнес-логіки і збереження даних, а також окремого Python-модуля для обробки алгоритмів машинного навчання. Реалізовано функціонал автоматичного формування розкладу, рекомендаційної системи, командної роботи, декомпозиції завдань та аналітики продуктивності.