ДОСЛІДЖЕННЯ ІНСТРУМЕНТІВ ШТУЧНОГО ІНТЕЛЕКТУ ДЛЯ РОБОТИ З БАЗАМИ ДАНИХ ТА АНАЛІЗУ ДАНИХ
DOI:
https://doi.org/10.28925/2663-4023.2025.27.763Ключові слова:
штучний інтелект; бази даних; аналіз даних.Анотація
У даній роботі проведено дослідження інструментів штучного інтелекту для роботи з базами даних та аналізу даних. Метою даної статті є дослідження засобів та можливостей використання штучного інтелекту при розв’язанні проблем, що виникають при роботі з базами даних. Об’єктом дослідження є процес застосування штучного інтелекту. Предметом дослідження є визначення інструментів штучного інтелекту для роботи з базами даних та аналізу даних. У даному дослідженні були розв’язані наступні завдання: досліджено інтеграцію штучного інтелекту в бази даних; проаналізовані інструменти штучного інтелекту для проєктування баз даних; проаналізовані інструменти штучного інтелекту для аналізу даних; розглянуто способи використання Generative AI для бази даних. Кожен з інструментів, що розглядались, представляють рішення, які базуються на штучному інтелекті, мають унікальні функції та сильні сторони й здатні розв’язувати різноманітні задачі. Оскільки штучний інтелект продовжує розвиватися, ці інструменти, безсумнівно, стануть ще більш невід’ємною частиною успіху організацій, що керують даними.
Завантаження
Посилання
Global spending on AI will exceed $630 billion over the next five years. (2024). IDC forecast. https://denovo.ua/blog/idc-forecast-it-expenses-2028
Lai, K. (2024). Three Signs You Might Need a Data Fabric |Transforming Data with Intelligence (tdwi.org). https://tdwi.org/Articles/2024/07/12/ARCH-ALL-Three-Signs-You-Might-Need-a-Data-Fabric
The Two Faces of Artificial Intelligence: Generative AI vs Predictive AI. (2024). EPAM. https://careers.epam.ua/blog/generative-ai-vs-predictive-ai
Fernando Guerra Top 7 AI-Enhanced Database Tools for Next-Level Development. (2023). https://dev.to/guerra2fernando/top-7-ai-enhanced-database-tools-for-next-level-development-3j58
PostgresML. (n.d.). https://github.com/postgresml/postgresml
What is an SDK? | AWS. (n.d.). https://aws.amazon.com/what-is/sdk/?nc1=h_ls
Qdrant. (n.d.). https://github.com/qdrant/qdrant
Bosko, V. V., Konstantinova, L. V., Polishchuk, L. I., Konoplytska-Slobodeniuk, O. K. (2024). Databases: a textbook. Ministry of Education and Science of Ukraine, Central Ukrainian National Technical University – Kropyvnytskyi: CNTU.
Top 10 AI Tools for Database Design in 2024. (2024). https://www.geeksforgeeks.org/top-ai-tools-for-database-design/
Postgresml. (n.d.). https://postgresml.org/docs/
Airtable-ai. (n.d.). https://www.gptdemo.net/en/tool/airtable-ai/
MongoDB. (n.d.). https://www.mongodb.com/global/zh-tw/solutions/use-cases/artificial-intelligence
McFarland, A. (2025). 10 Best AI Tools for Data Analysts. https://www.unite.ai/uk/ai-tools-data-analysts/
MonkeyLearn. (n.d.). No-Code Text Analytics. Get started for free! https://welcome.ai/solution/monkeylearn
HEAVY.AI Accelerates Big Data Analytics with Vultr’s High-Performance GPU Cloud Infrastructure. (2024). https://www.businesswire.com/news/home/20240910576934/en/HEAVY.AI-Accelerates-Big-Data-Analytics-with-Vultrs-High-Performance-GPU-Cloud-Infrastructure
Sabreena Basheer, K. C. (2025). 10 Ways to Use Generative AI for Database. https://www.analyticsvidhya.com/blog/2023/10/ways-to-use-generative-ai-for-database/
Kobielus, J. (2023). Vector Databases and What They Mean to Generative AI, Vector Databases and What They Mean to Generative AI|Transforming Data with Intelligence (tdwi.org).
Smirnov, O., Fedorov, E., Neskorodieva, A., & Neskorodieva, T. (2024). Intellectual Classification method of Gymnastic Elements Based on Combinations of Descriptive and Generative Approache. In 8th International Conference on Computational Linguistics and Intelligent Systems, 3664, 11–23.
Smirnov, O., Lakhno, V., Akhmetov, B., Chubaievskyi, V., Khorolska, K., & Bebeshko, B. (2023). Selection of a Rational Composition of İnformation Protection Means Using a Genetic Algorithm. In Intelligent Communication Technologies and Virtual Mobile Networks. Lecture Notes on Data Engineering and Communications Technologies, 131, 21–34.
Smirnova, T. V., Konoplytska-Slobodeniuk, O. K., Buravchenko, K. O., Smirnov, S. A., Kravchuk, O. V., Kozirova, N. L., & Smirnov, O. A. (2024). Research into technologies for ensuring cybersecurity of cloud services IaaS, PaaS and SaaS. Cybersecurity: Education, Science, Technology, 4(24), 6–27. https://doi.org/10.28925/2663-4023.2024.24.627
Al-Mudhafar Akil Abdulhussein, M., Smirnova, T. V., Buravchenko, K. O., & Smirnov, O. A. (2023). Method for evaluating and improving the user experience of subscribers in software-defined networks based on the use of machine learning. Modern Information Systems, 7(2), 49–56. https://doi.org/10.20998/2522-9052.2023.2.07
Smirnov, O. A., Polihenko, O. O., Odarchenko, R. S., Tereshchenko, L. Yu., & Usik, P. S. (2020). Information technology and software for increasing the efficiency of planning the subsystem of cellular base stations. Problems of telecommunications, 1(26), 83–96.
Smirnov, O. A., Smirnova, T. V., Polishchuk, L. I., Buravchenko, K. O., & Makevnin, A. O. (2020). Research on cloud technologies as services. Cybersecurity: education, science, technology, 3(7), 43–62.
Hulak, H. M., Zhiltsov, O. B., Kyrychok, R. V., Korshun, N. V., & Skladannyi, P. M. (2024). Information and cyber security of the enterprise. Textbook. Lviv: Publisher Marchenko T. V.
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2025 Admin Skladannyi
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
