Аннотация:

Рассмотрено применение векторных моделей для предварительного анализа ответов студентов, сформулированных в свободной форме. Векторные представления слов и документов получены при помощи моделей word2vec, doc2vec, BERT. Сходство ответа, данного обучающимся, и корректного ответа определялось с использованием косинусной меры. Выявлено, что векторные модели позволяют определить явно неверные ответы с достаточной точностью. Для ответов, которые близки по формулировке, предлагается провести дополнительный этап проверки. При помощи word2vec выполнена двоичная классификация ответов на определенные вопросы, приведены оценки точности, полноты, F1-меры.

Аннотация:

Важным фактором взрывного развития цифровой экономики последнего десятилетия стали облачные платформы и сервисы. Возможность быстрого масштабирования сервиса в совокупности со снижением инвестиционных затрат на старте проектов в рамках подходов Iaas, РaaS, SaaS дала пожительные результаты и легла в основание новых бизнес-моделей и корпоративных решений.

В данной статье мы обсуждаем причины значимости мультиоблачности и исследуем подходы к интеграции облачных сервисов в мультиоблачной архитектуре. Также в статье предлагается способ решения проблемы облачной миграции — разработка системы для миграции облачных ресурсов между облачных сервисами.

Аннотация:

Центральный Сихотэ-Алинский разлом (ЦСАР) является одной из крупнейших тектонических структур континентальной части юга Дальнего Востока России. Его современная геодинамическая активность всё ещё остается очень малоизученной, особенно, методами дистанционного зондирования. Имеющиеся геологические оценки движений по ЦСАР достигают нескольких мм/год, однако существующие разрозненные современные геодезические данные позволяют утверждать, что смещений, превышающих первые мм/год в центральной части разлома, не выявлено.

В настоящей работе по данным ГНСС-наблюдений, выполненных в первые две декады XXI века, получены первые количественные оценки вековых (плитных) движений земной коры в окрестностях п. Киевка (Приморский край), расположенного в южной оконечности ЦСАР. Также в районе исследований оценено и выполнено численное моделирование влияния возмущений геосреды (ко- и постсейсмические смещения), инициированных катастрофическим землетрясением Тохоку 11.03.2011 года, Mw 9.1. Полученные результаты достаточно хорошо согласуются с имеющимися моделями очага землетрясения и моделями постсейсмической вязкоупругой релаксации геосреды.

Аннотация:

Пандемия COVID-19 обуславливает рост актуальности проблемы мониторинга и анализа перемещений людей внутри помещений с целью своевременного выявления контактировавших с заболевшими и пресечения дальнейшего распространения инфекции.

В статье предложен один из способов решения данной проблемы – разработка системы определения и сохранения истории местоположения людей внутри помещения. Также в статье рассмотрены методы, параметры и технологии, которые могут быть использованы для решения задачи локализации внутри помещений.

Аннотация:

Рассмотрены вопросы возможности использования данных об обучающихся, представленных в электронном виде, для построения цифрового портрета. Предложен набор характеристик, необходимых для его построения, обозначена модель данных. Реализованы инструменты сбора данных об обучающихся из социальных сетей и других интернет-ресурсов. Предложены алгоритмы построения цифрового портрета. Проиллюстрировано применение алгоритмов машинного обучения для этих задач. Приведены примеры использования цифрового портрета в образовании.

Аннотация:

В условиях всевозрастающих информатизации, автоматизации и цифровизации бизнеса возникают новые схемы недобросовестных действий со стороны как юридических, так и физических лиц. В связи с этим остро встает проблема быстрого, эффективного и качественного выявления информации о потенциальном либо действующим контрагенте, решение которой позволит оперативно принять правильные управленческие решения.

В статье предложен один из способов решения данной проблемы – разработка системы информационного мониторинга контрагентов, которая позволит оперативно выявлять и анализировать информацию об их деятельности.

Аннотация:

Классификация документов с присвоением кодов-классификаторов является традиционным способом систематизации и поиска документов по определенной тематике. Универсальная десятичная классификация (УДК) лежит в основе систематизации знаний, представленных в библиотеках, базах данных и других хранилищах информации. В России УДК является обязательным реквизитом всей книжной продукции и информации по естественным и техническим наукам. Выбор классификационных кодов связан с анализом структуры дерева классификатора и традиционно выполняется автором научной статьи.

В настоящей работе предложено решение задачи автоматизации подбора классификационного кода УДК для математической статьи на основе специального ресурса – онтологии OntoMath^PRO профессиональной математики, разработанной в Казанском федеральном университете. Подходом к решению задачи автоматизации является создание «кодовых карт» для каждого классифицирующего кода в дереве УДК в области математики. Под «кодовой картой» понимается взвешенный набор всех математических именованных сущностей, извлеченных с помощью онтологии OntoMath^PRO из коллекции статей с заданным кодом УДК. Создание «кодовых карт» основано на гипотезе о том, что выбор кода УДК обуславливается определённым набором классифицирующих признаков, которые можно представить классами из онтологии OntoMath^PRO. Предложенная гипотеза проверена и подтверждена: проверка гипотезы проведена на коллекции математических статей, опубликованных в журнале «Известия ВУЗов. Математика» в течение 1999–2009 гг.

Аннотация:

Робастность модели к незначительным отклонениям в распределении исходных данных является важным критерием во многих задачах. Нейронные сети могут показывать высокую точность (accuracy) на обучающей выборке, но при этом качество на тестовой выборке может сильно падать из-за разного распределения данных, причем ситуация только усугубляется на уровне подгрупп внутри каждой категории.

В данной статье мы показываем, как робастность модели на уровне подгрупп может быть значительно улучшена с помощью подхода, основанного на доменной адаптации векторных представлений. Мы обнаружили, что применение состязательного подхода к ограничению векторных представлений дает существенный прирост метрики точности (accuracy) в сложной подгруппе по сравнению с предыдущими моделями. Метод протестирован на двух независимых наборах данных, точность в сложной подгруппе на наборе данных Waterbirds составляет 90.3 {y : waterbirds;a : landbackground}, а на наборе данных CelebA – 92.22 {y : blondhair;a : male}.

Аннотация:

Статья посвящена созданию эффективного решения по сегментации пользователей. Представлены анализ существующих сервисов сегментации пользователей и подходов к их сегментации (ABCDx сегментация, демографическая сегментация, сегментация на основании карты пути пользователя), а также анализ алгоритмов кластеризации (K-means, Mini-Batch K-means, DBSCAN, Agglomerative Clustering, Spectral Clustering). Исследование названных подходов нацелено на создание решения по сегментации, «гибкого» и адаптирующегося под каждую пользовательскую выборку. Также применены дисперсионный анализ (тест ANOVA) и разбор метрик кластеризации для оценки качества сегментации пользователей. С помощью указанных методов разработано эффективное решение по сегментации пользователей с использованием технологии расширенной аналитики и машинного обучения.

Аннотация:

Горизонтальное обучение — это современная модель, альтернативная традиционному вертикальному обучению и основанная на сотрудничестве, взаимодействии между студентами в рамках образовательного процесса. При этом для промежуточной аттестации по дисциплине преподавателю необходимо оценить вклад каждого студента в решение групповой задачи.

На сегодняшний день пользователями мобильных приложений в разных областях оставляется огромное количество цифровых следов. Основными типами оставляемого цифрового следа являются текст, фотографии, видеозаписи, аудиозаписи, а также текущее местоположение.

Для содействия преподавателю при горизонтальном обучении нами разработано мобильное приложение, собирающее все вышеперечисленные виды цифрового следа, а также веб-приложение, анализирующее его.

Аннотация:

Статья посвящена автоматизации этапа проектирования программного обеспечения. Проанализированы причины высокого значения данного этапа и актуальность его автоматизации. Рассмотрены основные стадии названного этапа и существующие системы, позволяющие автоматизировать каждую из них. Предложено собственное решение в рамках задачи рефакторинга структуры классов на основе метода комбинаторной оптимизации. Разработан и протестирован на реальной модели метод решения, позволяющий улучшить качество иерархии классов.

Аннотация: Описаны сущностные изменения в сфере образования, происходящие в связи с активным и систематическим применением цифровых информационных технологий и соответствующие им стратегические направления развития информатизации отечественного образования. Описаны современные теории обучения периода активного использования цифровых технологий в образовании (дидактико-технологические парадигмы современного периода информатизации образования; информационная безопасность личности субъектов образовательного процесса; конвергенция педагогической науки и цифровых информационных технологий; трансфер-интегративные области научного знания). Представлены сравнительные характеристики основных компонент традиционной дидактики и дидактики в условиях информатизации образования.

Аннотация:

Рост числа IT-продуктов с внедренными элементами машинного обучения (Machine Learning – ML) обуславливает повышение актуальности автоматизации процессов машинного обучения. Использование методов MLOps направлено на обеспечение обучения и эффективного развертывания приложений с производственной среде, автоматизируя решение побочных инфраструктурных вопросов слабо связанных с непосредственно разработкой модели.

Мы рассматриваем компоненты, принципы и подходы MLOps и анализируем существующие платформы и решения для построения конвейеров машинного обучения. Кроме того, предлагаем подход к построению конвейера машинного обучения на основе основных инструментов DevOps и библиотек с открытым исходным кодом.