Досліджено склад, чисельність, структуру та організацію, озброєння, бойові можливості українського козацького війська, військових формувань українських князів та контингентів, які формувалися в українських землях, їх порівняно з військами основних противників - Оттоманської імперії та Кримського ханства. Висвітлено участь українських військ у протистоянні кримсько-турецькій експансії, зокрема сухопутних і морських походах, а також експедиціях до Молдови та Угорщини. Розглянуто також політичне тло цих подій, взаємини запорізького та донського козацтва, їх вплив на політику держав Східної та Центральної Європи, спроби уряду реформувати запорізьке козацтво, причини та наслідки морських походів та зазначених експедицій. Уточнено деталі походів і битв, зокрема здобуття Кафи у 1616 р. Зроблено загальну оцінку військової справи в українських землях у другій половині XVI - на початку XVII ст.

Створено проєкт інформаційної системи (ІС) для соціалізації за особистими інтересами на основі SEO-технологій і методів машинного навчання. Основна мета цієї ІС - ідентифікація користувача в системі за допомогою нейронних мереж і вибір подібних користувачів на підставі аналізу поточної інформації користувача. Створено ІС, яка за допомогою токенів Identity та JWT забезпечує оптимізовані та безпечні функції авторизації, реєстрації та підтримки поточного сеансу користувача системи. Пошук обличчя на фотографії користувача та перевірку наявності подібного користувача в базі даних реалізовано за допомогою згорткових і сіамських нейронних мереж. Аналіз та формування подібних гудків користувачів реалізовано за допомогою алгоритмів нечіткого пошуку, алгоритму Левенштейна та моделі Noisy Channel, що надало змогу максимально автоматизувати вибір користувача та оптимізувати час, витрачений на цей процес. Також створено інструменти для перегляду профілів інших користувачів, уподобань та особистого листування. Вся приватна кореспонденція та інформація про неї зберігаються в поточній базі даних. Кожен користувач ІС може переглянути всю інформацію про надіслані та отримані повідомлення. Створена ІС реалізує ідентифікацію користувачів, аналіз, відбір і подальшу соціалізацію її користувачів.

Соціалізація особистостей за спільними інтересами спричинено потребою більшості людей спростити частину життєвих моментів за рахунок зменшення часу на їх реалізацію. З швидкими темпами росту інформації, завантаженості людини в суспільстві та у зв'язку з останніми епідемічними світовими подіями людина стає ізольованою від можливості спілкуватися. А це однією із важливих потреб людської свідомості та самореалізації. Тому є актуальним попитом мати можливість отримувати рекомендований список подібних людей за спільними інтересами як результат інтелектуального пошуку множини релевантних користувачів соціальних мереж через аналіз фото людського обличчя на користувацьких фотографіях (на основі нейронних мереж) і аналіз користувацької інформації (на основі алгоритмів нечіткого пошуку та моделі Noisy Channel). Мета роботи - розроблення технології для соціалізації особистостей на основі SEO-технології та методу машинного навчання через використання згорткової та сіамської нейронних мереж для ідентифікації користувачів та алгоритмів аналізу тексту для підбору релевантних користувачів майбутнього спілкування. При реалізації SEO-технологій обрано алгоритми нечіткого пошуку по словах на основі моделі Noisy Channel з алгоритмами ефективного розподілу текстової інформації. При реалізації машинного навчання розроблено згорткову нейронну мережу для ідентифікації користувачів системи. Розроблено інтелектуальну систему соціалізації особистостей за спільними інтересами на основі SEO-технології та методи машинного навчання. Здійснено реалізацію роботи двох нейронних мереж: згорткової та сіамської, що дозволило здійснити пошук людського обличчя, на завантажуваних користувачем фотографіях і порівняти знайдене обличчя з уже наявними в базі даних/інтернет. Це дає можливість ефективно ідентифікувати справжність користувача та гарантувати, що цього користувача на даний момент нема в базі даних, відповідно він потенційно є реальним. За допомогою алгоритмів нечіткого пошуку, алгоритму Левенштейна та моделі Noisy Channel створено алгоритм аналізу та порівняння користувацької інформації, який для поточного користувача формує список наявних користувачів системи, посортований по спаданню відсоткового співвідношення подібності користувачів та вказує, наскільки інтереси в інших користувачів збігаються з інтересами поточного користувача. Висновки: виявлено, що реалізований в системі алгоритм для формування вибірки користувачів є ефективнішим та точнішим приблизно на 25 - 30 % в порівнянні зі звичайним алгоритмом Левенштейна. Також реалізований алгоритм здійснює вибірку приблизно в 10 разів швидше, ніж звичайний алгоритм Левенштейна.