Магистр.диссертация (1194675), страница 6
Текст из файла (страница 6)
Нейронная сеть является лишь одним из нескольких подходов машинного обучения, которые успешно применяются для решения широкого круга проблем биоинформатики [35].
1.4.4 Решаемые задачи и конкурирующие методы
Нейронные сети могут решать широкий круг задач обработки и анализа данных − распознавание и классификация образов, прогнозирование, управление и т.д. Подробнее см. перечисление областей применения в предыдущем пункте меню.
Конкурентами у нейросетей являются классические методы статистического прогнозирования/распознавания/классификации (некоторое сравнение с методами статистики уже было проведено при обсуждении преимуществ нейронных сетей), методы идентификации систем и автоматического управления, алгоритмы идентификации зависимостей и «машинного обучения» (machine learning), технологии искусственного интеллекта.
Поэтому там, где задачи уже решаются этими конкурирующими методами − там возможно и применение нейросетей, практически без необходимости переформулировать или как-то по-иному ставить задачу. И по причине большей гибкости нейротехнологий результаты (точность решения и т.д.) могут оказаться значительно лучше [27].
Возможные способы использования или программирования
Чаще всего используются программы-нейроимитаторы (список которых широк) - они работают на обычных компьютерах, а современные нейроалгоритмы позволяют быстро обрабатывать значительные объемы информации, т.е. использовать нейросети для решения сложных реальных задач. Программы включают в себя как набор базовых операций по созданию, обучению и манипулированию нейронными сетями, исходными данными, свойствами нейросетей и нейрорешений, так и автоматизированные процедуры выполнения наиболее рутинных цепочек действий, например, для определения оптимальных настроек сети и алгоритма обучения.
Универсальные современные нейропрограммы имеют возможности сгенерировать описание обученной нейросети на некотором языке программирования - для того, чтобы полученный программный модуль можно было вставить в программу пользователя. Также программа пользователя может использовать стандартные средства межпрограммной коммуникации (DDE, OLE, COM в среде Windows) для огранизации доступа к нейросетям в универсальных нейропрограммах (нейросеть остаётся работать в среде, создавшей её нейросетевой программы, а программа пользователя только отдаёт нужные команды-данные и получает результаты) [30].
2 Постановка задачи
2.1 Описание предметной области
Учебно-методическое и информационное обеспечение образовательного процесса включает следующие элементы:
– комплекс основных учебников, учебно-методических пособий и информационных ресурсов для учебной деятельности студентов;
– комплекс методических рекомендаций и информационных ресурсов по организации образовательного процесса;
– материально-технические условия для реализации образовательного процесса.
Учебно-методическое обеспечение образовательного процесса предусматривает разработку учебно-методических комплектов дисциплин, освоение технологий обучения и внедрение инновационных педагогических технологий.
Учебно-методический комплект дисциплины включают в себя:
– программная часть: аннотация, учебная программа дисциплины;
– теоретическая часть: учебное пособие, конспект лекций, презентационные материалы;
– практическая часть: практикум, хрестоматия;
– курсовая работа: руководство к выполнению курсовых работ/проектов и тематики курсовых работ;
– контрольные материалы: тесты, задания для контрольных работ.
– учебно-методический комплект по направлению подготовки:
– программная часть: программа практики, государственного экзамена;
– практическая часть: руководство к написанию выпускной квалификационной работы.
Все методические разработки преподавателей размещаются в Хранилище цифровых материалов и доступны для всех сотрудников и студентов. Для внешних пользователей открыт доступ к аннотациям дисциплин и учебным материалам.
Автоматизация процесса подготовки элементов учебно-методического обеспечения в определенной степени повышает эффективность образовательного процесса.
Важно, чтобы приложения, выполняющие задачу автоматизации, обладали качественным интерфейсом. В этом случае пользователь будет быстрее осваивать основные приемы работы в данных приложениях и, следовательно, эффективнее выполнять соответствующие производственные задачи.
2.2 Специфика программных продуктов, применяемых для обеспечения учебно-методического процесса
В ходе проведения исследований было принято решение в качестве примера программы для обеспечения учебно-методического процесса рассматривать программное обеспечение «Рабочие программы дисциплин» (далее ПО «РПД»), предназначенное для подготовки одноименных документов на основе рабочих учебных планов.
ПО «РПД» обеспечивает следующую функциональность:
– создание, редактирование и сохранение рабочей программы дисциплины высшего профессионального образования на базе учебного плана любой формы обучения, подготовленного по ГОС-2 и ФГОС-3;
– возможность раскрытия компонентов формируемых компетенций в виде знаний, умений и владений;
– ввод данных с использованием средств автоматического контроля ввода и подсказок;
– сохранение рабочей программы дисциплины высшего профессионального образования на сервере реляционных баз данных и экспорт в файлы формата XML;
– автоматическая загрузка дисциплин, видов занятий, часов, компетенций из учебных планов высшего профессионального образования;
– автоматическое создание шаблона рабочей программы дисциплины высшего профессионального образования на базе электронного учебного плана;
– привязка одной или нескольких рабочих программ дисциплин высшего профессионального образования, создаваемых в ПО «РПД», к заданной дисциплине учебного плана;
– поиск и вывод списка дисциплин, для которых отсутствуют рабочие программы дисциплины высшего профессионального образования;
– возможность отображения содержимого хранилища рабочих программ дисциплин в виде иерархического списка, включающего в себя кафедры, дисциплины, учебные планы и рабочие программы;
– отслеживание обеспеченности кафедры рабочими программами дисциплин, на основе данных из рабочих учебных планов о дисциплинах и контингенте студентов;
– перенос информации из одной рабочей программы дисциплины высшего профессионального образования в другую;
– импорт перечня литературы из файлов формата RUSMARC (ISO-2709), а также напрямую из баз данных Microsoft Access, Microsoft SQLerver;
– импорт рабочих программ дисциплин, созданных в ПО «РПД 2002»;
– печать рабочей программы дисциплины высшего профессионального образования, созданной в ПО «РПД», на принтере с возможностью редактирования шаблона печатной формы;
– экспорт выходных документов в форматы RTF, PDF, HTML и др.);
– автоматическое обновление ПО «РПД» с файл-сервера корпоративной сети без необходимости наличия привилегий администратора на клиентском рабочем месте.
2.3 Программные инструменты
Облачные технологии прочно вошли в повседневную жизнь пользователей и стали неотъемлемой частью информационных и технологических процессов.
Необходимо определиться, какой платформой будет происходить обработка данных, собранных в процессе исследований.
Для этого приведено несколько сравнительных характеристик (вычисления, аналитика, хранение, сеть, ценообразование), с помощью которых можно понять, с какой платформой будет удобнее работать.
Для сравнения взяты три крупнейших облачных провайдера такие, как AWS, Microsoft Azure, а также Google Cloud Platform.
Amazon Web Services. Созданная в 2006 году, облачная платформа Amazon стала первооткрывателем в данной области, благодаря чему завоевала немалый рынок. С постоянными нововведениями и улучшениями на протяжении многих лет, AWS представила более 70 услуг с широким спектром покрытия по всему миру. Серверы доступны в 14 географических регионах. Рыночная доля компании неуклонно растет, во втором квартале 2016 года облачные технологии Amazon охватывали 31% рынка.
Microsoft Azure. Система была запущена в 2010 году и развивается очень быстрыми темпами. Microsoft Azure сейчас представляет собой многогранную сложную систему, которая обеспечивает поддержку множества различных услуг, языков программирования и фреймворков. В составе облака более 60 служб и центров обработки данных в 38 различных географических регионах. В настоящее время Microsoft Azure занимает 11% рынка.
Google Cloud Platform. Представленная в 2011 году, Google Cloud Platform является самой молодой облачной платформой и, в первую очередь, удовлетворяет потребности поиска Google и Youtube. В настоящее время у компании представлено более 50 услуг и 6 глобальных центров обработки данных. Google Cloud Platform на рынке облачных услуг имеет 5% долю.
Вычислительные мощности являются фундаментальным процессом для существования платформы. Преимуществом облачных технологий является то, что всегда под рукой мощный и расширяемый инструмент, с которым в любое время суток можно взаимодействовать удаленно.
В Amazon Web Services центральной вычислительной службой является сервис Elastic Compute Cloud (EC2). EC2 стал главным синонимом для понятия «масштабируемые вычисления по требованию». Для того, чтобы еще более тщательно планировать и снижать расходы при запуске проектов, компания ввела новые подсервисы, такие как AWS Elastic Beanstalk, Amazon EC2 Container Service.
На данный момент AWS поддерживает 7 различных семейств экземпляров и 38 типов экземпляров. Он одновременно предлагает и региональную поддержку, и поддержку зоны.
Основа вычислительных систем Microsoft Azure – это классические виртуальные машины и высокопроизводительные Virtual Machine Scale Sets. Клиентские приложения для Windows могут быть развернуты с помощью сервиса RemoteApp. Azure Virtual Machine включает 4 различных семейства, 33 типа экземпляров, которые вы можете развернуть в разных регионах. Но поддержка определенной зоны региона пока не поддерживается.
Google Cloud Platform использует сервис Compute Engine для обработки вычислительных процессов. Одним из главных недостатков является ценообразование, оно менее гибкое по сравнению с AWS и Azure.
Compute Engine поддерживает большинство основных облачных услуг – развертывание контейнера, масштабируемость и обработка данных. Google Cloud поддерживает 4 семейств экземпляров, 18 различных типов экземпляров, а также обеспечивает как региональное размещение, так и выбор зоны.
Если выбирать лидера, то AWS и Microsoft Azure сейчас наиболее востребованные облачные платформы. Предлагаемые вычислительные мощности у компаний находятся практически на равных уровнях, список предлагаемых сервисов также постоянно растет.
В области анализа данных AWS сделал большой скачок, отдельный сервис Quick Sight – предоставляет собой легкую в использовании бизнес-аналитику с готовыми шаблонами и по стоимости в 10 раз дешевле, чем традиционные BI-решения.
Сервис Microsoft Azure за последние годы сильно улучшил инструменты аналитики и машинного обучения, создав отдельное направление, включающее подсистему обработки аналитики Data Lake Analytics и машинное обучение в составе Cortana Intelligence Suite.
Google Cloud Platform запустил также отдельное направление по аналитике больших данных и имеет большие перспективы развития в будущем. Уже сейчас программные среды Cloud Vision API, Cloud Speech API, и Google Translate API имеют множественные интеграции в сторонние сервисы и приложения.
Хранение информации является связующим звеном облачных вычислений, поскольку оно позволяет собрать все виды информации в одном хранилище.
AWS Simple Storage Service, известный как S3, в значительной степени является промышленным стандартом. В целом, S3 создало понятие объектно-ориентированного хранения данных, а для архивации данных был создан отдельный сервис Amazon Glacier.
Azure и Google Cloud Platform имеют также достаточно надежные и мощные средства хранения.
Преимуществом Azure становится внедрение функций резервного копирования и восстановления данных внутри облачного хранилища. Также одним из важнейших решений стал подсервис StorSimple - гибридное облачное хранилище для корпоративных клиентов, которое позволяет сократить затраты до 60%.
2.3.1 Обоснование выбора платформы
В процессе исследования было принято решение в качестве инструмента для анализа данных использовать облачную платформу Microsoft Azure.
В качестве обоснования выбора выступают её следующие преимущества:
– внедрение функций резервного копирования и восстановления данных внутри облачного хранилища;
– Azure является лидером отрасли по предоставлению как решений IaaS, так и PaaS;
– платформа позволяет использовать преимущества и собственного центра обработки данных, и общедоступного облака. Хранилище данных, резервное копирование и восстановление становятся более эффективными;
– Azure поддерживает любые операционные системы, языки, средства и платформы: от Windows до Linux, от SQL Server до Oracle, от C# до Java;
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
