Інтелектуальні рекомендаційні системи: поєднання діагностики несправностей персональних комп’ютерів та аналізу користувацької взаємодії
Keywords:
рекомендаційна система, машинне навчання, діагностика, користувацька взаємодія, мікросервісиAbstract
У статті розглянуто підхід до побудови інтелектуальної рекомендаційної системи, що поєднує діагностику несправностей персональних комп’ютерів із аналізом користувацької взаємодії. Для технічної діагностики використано C#, MAUI, ML.NET та EF Core, а для аналітичної підсистеми – Python, Django і PostgreSQL. Запропонована архітектура дозволяє об’єднати результати технічного моніторингу та поведінкового аналізу для формування персоналізованих рекомендацій. Очікується, що такий підхід сприятиме підвищенню точності прогнозування несправностей і релевантності рекомендацій порівняно з традиційними рішеннями.
References
Евристична оптимізація розстановки контрольних точок в технологічних процесах при багатовимірному просторі типів дефектів / О. П. Ротштейн, С. Д. Штовба, С. Б. Дубіненко, О. М. Козаченко. Вісник Вінницького політехнічного інституту. 2025. № 4(181). DOI: 10.31649/1997-9266-2025-181-4-85-89.
Штовба С. Д., Штовба О. В., Панкевич О. Д. Критерії точності та компактності для оцінювання якості нечітких баз знань в задачах ідентифікації. Наукові праці Вінницького національного технічного університету. 2012. № 4. URL: http://praci.vntu.edu.ua/index.php/praci/article/view/343
Antonov Y., Smoktii K. Expert systems using for answers analysis in automated knowledge control systems. Herald of Khmelnytskyi National University. Technical Sciences. 2024. Vol. 339, № 4. P. 323–331. DOI: 10.31891/ 2307-5732-2024-339-4-51.
Michael Collins. Network Security Through Data Analysis. O’Reilly, 2016. 308 p. URL: https://sar.ac.id/ stmik_ebook/prog_file_file/EcuTHbNQtg.pdf
Jannach D., Abdollahpouri H. A survey on multi-objective recommender systems. Front Big Data, 2023. 12 p.
Fernandes M., Corchado J. M., Marreiros G. Machine learning techniques applied to mechanical fault diagnosis and fault prognosis in the context of real industrial manufacturing use-cases: a systematic literature review. SPRINGER NATURE Link. 2022. Vol. 52. P. 14246–14280. DOI: 10.1007/s10489-022-03344-3.
Zachariades C., Xavier V. A Review of Artificial Intelligence Techniques in Fault Diagnosis of Electric Machines. MDPI. 2025. № 25(16). 22 p. DOI: https://doi.org/10.3390/s25165128.
Ashley Davis. Bootstrapping Microservices, Second Edition: With Docker, Kubernetes, GitHub Actions, and Terraform. Dokumen.PUB. 2024. 464 p. URL: https://surl.li/walbsd
Wes McKinney. Python for Data Analysis: Data Wrangling with pandas, NumPy and Jupyter. O’Reilly, 2022. 579 p.
Oggl B., Kofler M. Docker: Practical Guide for Developers and DevOps Teams – Unlock the Power of Containerization: Skills for Building, Securing, and Orchestrating with Docker. Rheinwerk Computing, 2023. 491 p.
Esposito D., Esposito F. Programming ML.NET (Developer Reference). Microsoft, 2022. 256 p. URL: https://dl.ebooksworld.ir/books/Programming.ML.NET.9780137383658.EBooksWorld.ir.pdf
Trevoir Williams. Microservices Design Patterns in .NET: Making sense of microservices design and architecture using .NET Core. 2023. 300 p.
