ВКР: Перенос модели машинного обучения в продуктивную среду

РЕФЕРАТ

• выпускной квалификационной работе содержится 2 таблицы, 9 рисунков, 45 источника. Общий объем выпускной квалификационной работы составляет 67 страниц.

Ключевые слова: Машинное обучение, искусственный интеллект, продуктивная среда, машинное обучение, информационная система, данные, интеграция.



В представленной работе рассмотрены наиболее интересные тенденции в машинном обучении и искусственном интеллекте, сформировавшиеся на начало 2022 г. за пределами конкретных математических методов оптимизации, обработки и анализа данных.
Актуальность работы. Состоит в том, что внедрение машинного обучения в различные системы является новым и мощным инструментом для упрощения работы. Все большее внимание исследователей занимает вопрос методологий, или метамоделей (от англ. metamodel): принципов использования, комбинирования и выбора конкретных моделей и методов машинного обучения. Многолетний прогресс в разработке методов машинного обучения породил не только разнообразные математические, программные и даже аппаратные решения, предназначенные для задач предиктивного и генеративного анализа данных в самых разных областях, но встретил на своем пути немало трудностей и препятствий.
Объектом исследования данной работы выступает информационная система предприятия.
Предметом исследования является выступает информационная система предприятия для внедрения машинного обучения.
Целью исследования является повышение эффективности обучения за счет внедрения машинного обучения в продуктивную среду.

Для достижения цели необходимо рассмотреть основные аспекты внедрения ML-моделей: хранение и извлечение данных, фреймворки и инструменты, обратную связь и непрерывную интеграцию.
Задачи исследования:

• провести анализ данных с использованием машинного обучения;

- провести обзор некоторых современных тенденций в технологии машинного обучения;
- определить роль машинного обучения в задачах исследования инновационных процессов;
- рассмотреть машинное обучение в производстве – возможности, проблемы и примеры применения;

• провести апробацию внедрения Machine learning модели в productio;

- исследовать применение машинного обучения в продуктивной среде: прогресс, тенденции и направления.
Новизна научного исследования заключается в том, что в рамках работы разработана и доведена до практической реализации система, позволяющая использовать существующие подходы к использованию моделей машинного обучения на потоке событий.


ABSTRACT



The final qualifying work contains 2 tables, 9 figures, 45 sources. The total volume of the final qualifying work is 67 pages.
Keywords: Machine learning, artificial intelligence, productive environment, machine learning, information system, data, integration.

The presented work considers the most interesting trends in machine learning and artificial intelligence that have formed at the beginning of 2022 outside of specific mathematical methods for optimizing, processing and analyzing data.
The relevance of the work. It is that the introduction of machine learning into various systems is a new and powerful tool to simplify work. More and more attention of researchers is occupied by the issue of methodologies, or metamodels (from the English metamodel): the principles of using, combining and selecting specific models and methods of machine learning. Many years of progress in the development of machine learning methods has generated not only a variety of mathematical, software and even hardware solutions designed for problems of predictive and generative data analysis in various fields, but has encountered many difficulties and obstacles along the way.
The object of study of this work is the information system of the enterprise.

The subject of the research is the enterprise information system for the implementation of machine learning.
The aim of the study is to increase the effectiveness of learning by introducing machine learning into a productive environment.
To achieve the goal, it is necessary to consider the main aspects of the

implementation of ML models: data storage and retrieval, frameworks and tools,

feedback and continuous integration.

Research objectives:

- to analyze data using machine learning;

• review some current trends in machine learning technology;

• to determine the role of machine learning in the tasks of researching innovative processes;

- to consider machine learning in production - opportunities, problems and examples of application;

• test the implementation of the Machine learning model in productio;

• explore the application of machine learning in a productive environment: progress, trends and directions.

The novelty of the scientific research lies in the fact that within the framework of the work a system has been developed and brought to practical implementation that allows using existing approaches to the use of machine learning models on the flow of events.


1.2. Обзор некоторых современных тенденций в технологии машинного


1.3.Машинное обучение в задачах исследования инновационных процессов22


2.1. Машинное обучение в производстве – возможности, проблемы и


2.3. Применение машинного обучения в продуктивной среде: прогресс,



ВВЕДЕНИЕ


Машинное обучение концентрируется на разработке таких компьютерных программ и алгоритмов, которые сами учатся расти и адаптироваться при подаче новых данных. Этот процесс не похож на процесс интеллектуального анализа данных. Обе системы проходят через предоставленные им данные или собираются в поисках шаблонов. Однако в приложениях для интеллектуального анализа данных, данные извлекаются для понимания человеком, в то время как алгоритмы машинного обучения используют эти данные для поиска шаблонов в данных и соответственно изменения действий программы.
наше время миром все больше управляют цифровые технологии. Большие данные, искусственный интеллект, беспилотные автомобили — и это только малая часть того, что ежедневно меняет или будет менять нашу жизнь, наши привычки и то, как мы ведем бизнес. Построение систем машинного обучения является на сегодняшний день одной из самых популярных, актуальных и современных областей человеческой деятельности на стыке информационных технологий, математического анализа и статистики. Машинное обучение все глубже проникает в нашу жизнь посредством пользовательских продуктов, созданных с помощью методов искусственного интеллекта. Очевидн