Mykhailov N. Machine Learning Algorithms for Developing High-Efficiency Project Management Systems

Українська версія

Thesis for the degree of Doctor of Philosophy (PhD)

State registration number

0825U002260

Applicant for

Specialization

  • 124 - Системний аналіз

24-06-2025

Specialized Academic Board

PhD 9062

Taras Shevchenko National University of Kyiv

Essay

This research aims to explore and develop machine learning methods for creating high-efficiency project management systems and assessing risks in software development projects. The primary goal is to optimize the development processes, improve software quality, and reduce time and resource expenditures. As the complexity and demands for software products increase, adhering to predefined schedules becomes more challenging, the quality of the final product suffers, and development resources are often limited. Machine learning offers potential solutions for automating management and analysis processes, making it a vital tool for improving the productivity and quality of software development. The relevance of the research is reinforced by the growing preference of modern software developers for artificial intelligence and machine learning to enhance efficiency.

Research papers

Михайлов Н. О. Класифікація користувачів на онлайн-платформах методами машинного навчання // Вісник Київського національного університету імені Тараса Шевченка. Серія: Фізико-математичні науки. 2022. № 4. С. 66-71.

Михайлов Н. О. Методи високоефективного планування проєктів: традиційні підходи та машинне навчання // Таврійський науковий вісник. Серія: Технічні науки. 2024. № 4. С. 186-192.

Михайлов Н. О. Адаптивна модель планування проєктів та оцінки ризиків із використанням машинного навчання // Науковий вісник Ужгородського університету. Серія: Математика і інформатика. 2024. Т. 45, № 2. С. 216-222.

Михайлов Н. О. Проектування та навчання моделі штучного інтелекту для планування і оцінки ризиків проєктів // Таврійський науковий вісник. Серія: Технічні науки. 2024. № 5. С. 124-129.

Similar theses