Научный архив: статьи

Статья описывает активно развивающийся подход Челябинской области к формированию аналитики по результатам мониторинговых исследований. В частности, представлены два механизма - автоматизация визуализации аналитики посредством дашбордов и автоматизация текста аналитики. Наиболее подробно в статье изложен механизм формирования текстовых аналитических материалов, создаваемых посредством программного обеспечения, написанного на языке Python. Описана разработка структурных элементов отдельных модулей программы и структура получаемого по результатам работы программы текстового шаблона. В заключение перечислены основные эффекты в системе образования Челябинской области, получаемые в ходе постепенной автоматизации аналитических процессов в рамках проводимых мониторинговых исследований и оценочных процедур.

В статье рассматривается роль искусственного интеллекта в системе кибербезопасности как ключевого инструмента обнаружения, анализа и предотвращения кибератак. Проанализированы теоретические основы применения машинного обучения и нейронных сетей в защите информационных систем, показаны преимущества интеллектуальных технологий по сравнению с традиционными методами обеспечения безопасности. Особое внимание уделено концепции поведенческой аналитики, использованию алгоритмов глубокого обучения для выявления атак нулевого дня и построению адаптивных моделей защиты, способных предсказывать и предотвращать киберугрозы в режиме реального времени. Отмечаются этические и технологические вызовы, связанные с применением искусственного интеллекта, включая уязвимость обучающих моделей и необходимость сохранения человеческого контроля над автоматизированными системами. Сделан вывод о том, что интеграция искусственного интеллекта в систему кибербезопасности способствует формированию нового уровня защиты, основанного на самообучающихся алгоритмах и аналитике больших данных, что обеспечивает устойчивость цифровых инфраструктур в условиях динамично изменяющегося киберпространства.

В условиях роста объемов данных и жестких требований регуляторов в банковском секторе необходимость в оперативном и точном способе формирования отчетности становится критически важной. В связи с этим автоматизация процесса анализа данных и подготовки отчетов для органов надзора является актуальной задачей. Данное исследование охватывает теоретические и практические аспекты разработки программного решения на основе BI-платформы, позволяющего не только автоматизировать сбор и обработку данных, но и минимизировать риски ошибок при формировании отчетности. Основное внимание уделено интеграции с корпоративными хранилищами данных, автоматическому учету актуальных курсов валют и обеспечению гибкости при работе с различными отчетными периодами. Использование современных инструментов визуализации и встроенных механизмов позволяет значительно ускорить процесс подготовки данных и повысить их точность. Кроме того, решение предусматривает возможность оперативного реагирования на запросы регулятора и обеспечивает защиту конфиденциальной информации. В результате внедрения этого программного средства банк получает эффективный инструмент для повышения качества управленческих решений, снижения операционных затрат и соответствия требованиям регулятивных органов.

Статья посвящена анализу роли искусственного интеллекта (ИИ) и больших данных в контексте цифровых международных отношений. Рассматриваются исторические этапы развития ИИ, ключевые технологические направления, такие как машинное обучение и нейронные сети, а также их влияние на экономику, политику и общество. Особое внимание уделяется стратегическому значению больших данных как основного ресурса для развития ИИ, их роли в формировании цифрового суверенитета и глобальной технологической конкуренции. Автор исследует современные вызовы, связанные с этическими и правовыми аспектами применения ИИ, включая вопросы регулирования, безопасности и международного сотрудничества. Анализируются национальные стратегии ведущих стран (США, Китай, ЕС, Россия) в области ИИ, их подходы к обеспечению технологического лидерства и защиты данных. Подчеркивается необходимость выработки универсальных международных норм для предотвращения фрагментации цифрового пространства и обеспечения равноправного доступа к технологиям. Статья акцентирует внимание на трансформации международных отношений под влиянием ИИ, где технологическая гонка становится новой «Большой игрой» XXI века. В заключении предлагаются рекомендации по формированию сбалансированной системы глобального управления ИИ, основанной на принципах многосторонности, справедливости и учета интересов всех государств.

В статье систематизированы современные представления об особенностях использования инструментария искусственного интеллекта в целях анализа, оптимизации финансовых потоков. Актуальность темы аргументируется стремительным ростом объема транзакций в глобальной экономике в сочетании с неспособностью традиционных методов обеспечить по–настоящему результативную обработку многомерных динамических данных в режиме реального времени. В нынешних условиях возникает острая необходимость в разработке новых подходов к управлению денежными потоками — прежде всего, построенных на основе технологий искусственного интеллекта. Цель исследования заключается в систематизации теоретико–методологического базиса применения ИИ в анализируемой сфере, а также в выявлении конкретных преимуществ и ограничений (в отношении этого предложен авторский взгляд на ситуацию, который целесообразно рассматривать в качестве отправной точки для последующих изысканий на предмет определения сдержек и противовесов к задействованию искусственного интеллекта). В научной литературе наблюдаются противоречия между теоретическими моделями использования ИИ и практическими возможностями их реализации, а также разногласия в оценках эффективности различных типов нейросетей для финансового прогнозирования. Недостаточно исследованы вопросы информационной безопасности, правового регулирования в данной области. Установлено, что наиболее перспективными направлениями являются применение глубоких нейронных сетей для анализа временных рядов, методов обучения с подкреплением в целях оптимизации управленческих решений, внедрение технологий обработки естественного языка для работы с неструктурированными финансовыми документами. Подчеркнута значимость графовых инструментов в обнаружении подозрительных схем движения средств, предотвращении мошеннических действий. Статья представляет интерес для аналитиков, специалистов в области искусственного интеллекта, руководителей финансовых департаментов.

В данной статье рассматривается применение машинного обучения в национальной экономике. Описываются основные концепции и методы машинного обучения, включая контролируемое, неконтролируемое обучение и обучение с подкреплением. Анализируются ключевые направления использования этой технологии в экономике, такие как прогнозирование рыночных тенденций, управление финансовыми рисками и анализ экономических данных. Особое внимание уделяется преимуществам машинного обучения, включая повышение эффективности принятия решений, автоматизацию процессов и обработку больших объемов данных. Вместе с тем рассматриваются проблемы внедрения данной технологии, такие как потребность в качественных данных, правовые и этические аспекты, а также нехватка квалифицированных специалистов. В статье предлагаются рекомендации по развитию инфраструктуры машинного обучения, инвестициям в иссчледования и подготовке кадров, что может способствовать экономическому росту и повышению конкурентоспособности страны.

Материалы и методы: В данной работе использовались различные методы и подходы к изучению машинного обучения в сфере национальной экономики. Основные методы включают анализ научной литературы, статистический анализ данных, моделирование с использованием алгоритмов машинного обучения, а также практическую реализацию экономических моделей с применением языков программирования Python и библиотек машинного обучения. Для анализа экономических данных были выбраны методы линейной регрессии, деревьев решений и нейронных сетей, так как они позволяют эффективно прогнозировать изменения ключевых макроэкономических показателей, таких как ВВП, инфляция, курс валют и уровень безработицы. В качестве инструментов использовались библиотеки Pandas, NumPy, Scikitlearn и Matplotlib, позволяющие обрабатывать, анализировать и визуализировать данные. Исследование основано на данных официальных статистических агентств и финансовых учреждений, включая исторические данные о макроэкономических показателях, рыночных тенденциях и финансовых рисках. Для обработки данных использовались методы очистки, нормализации и преобразования данных, что позволило повысить точность моделей. Практическая часть исследования включала разработку алгоритмов машинного обучения для прогнозирования экономических показателей. Модель линейной регрессии использовалась для предсказания роста ВВП, а более сложные модели, такие как случайные леса и градиентный бустинг, применялись для анализа более сложных взаимосвязей в экономике. Таким образом, использование современных методов машинного обучения в экономике позволяет получать точные прогнозы, выявлять закономерности в экономических данных и принимать стратегические решения на основе объективного анализа.

Заключение: Применение методов машинного обучения в национальной экономике открывает значительный потенциал для улучшения экономического анализа и принятия решений. С помощью современных алгоритмов и инструментов, таких как линейная регрессия, деревья решений и нейронные сети, можно эффективно моделировать и прогнозировать ключевые макроэкономические показатели, включая рост ВВП, инфляцию и финансовые риски. Эти методы позволяют более детально и точно понимать экономические тренды и взаимосвязи, что приводит к более обоснованным стратегическим решениям со стороны правительств, бизнеса и финансовых учреждений. Используя такие современные технологии, как Python, Pandas, NumPy и Scikit-learn, исследование продемонстрировало возможность обработки и анализа больших объемов экономических данных с высокой точностью. Машинное обучение предоставляет ценный инструмент для прогнозирования экономических показателей, управления рисками и оптимизации распределения ресурсов. Однако эффективность этих моделей зависит от качества используемых данных, и существуют проблемы, связанные с полнотой данных, интерпретируемостью моделей и вычислительными ресурсами. В заключение, машинное обучение является мощным инструментом для улучшения экономического прогнозирования и управления рисками. Для успешной интеграции этих технологий в национальные экономические системы страны должны инвестировать в исследования, улучшать цифровую инфраструктуру и разрабатывать образовательные программы для подготовки квалифицированных специалистов. Правильное внедрение машинного обучения может способствовать быстрому экономическому росту, более эффективному принятию решений и усилению конкурентоспособности на мировой арене.

Введение. В России созданы 15 научно-образовательных центров мирового уровня, которые ведут исследования в рамках 200 технологических проектов. Запуск научно-образовательных центров приводит в целом к появлению нового вида деятельности, новых позиций и изменению структуры этих позиций во всех видах деятельности. Для эффективной реализации прорывных научно-технологических проектов в рамках НОЦ мирового уровня необходима постоянная работа по формированию и выявлению новых технологических компетенций.

Методы исследования. В работе использовались аналитический метод, метод имитационного моделирования, статистические методы.

Результаты и дискуссия. Для успешной реализации научно-технологических проектов компетенции должны обладать таким свойством, как комплементарность. Комплементарные технологические компетенции в рамках НОЦ мирового уровня можно разделить на два вида: метакомпетенции и сквозные компетенции. Наличие комплементарных технологических компетенций НОЦ мирового уровня в полном объеме позволяет реализовывать в рамках центров инновационные высокотехнологичные проекты, требующие глубоких знаний. Рассматривая специфику каждого отдельного НОЦ мирового уровня, а также каждого реализуемого проекта в рамках НОЦ, следует при помощи анализа данных четко формулировать необходимый состав компетенций. Показатели анализируются с привлечением статистических методов для выявления проблемных мест и определения направления дополнительной образовательной деятельности НОЦ мирового уровня. Методика формирования комплементарных технологических компетенций в рамках НОЦ мирового уровня представляет собой шесть взаимосвязанных блоков: целевой, теоретико-методологический, технологический, организационный, результативный и оценочный.

Заключение. Предложена методика выявления и формирования комплементарных технологических компетенций НОЦ мирового уровня.

В условиях нарастающих экономических вызовов важной задачей становится оценка устойчивости регионов России. Целью настоящего исследования является моделирование уровня экономической безопасности на основе формализованного анализа ключевых социально-экономических показателей. Применены методы корреляционного анализа, нормализации, главных компонент PCA (Principal Component Analysis) и кластеризации KMeans. В результате проведена типологизация восьми регионов по уровню устойчивости, выявлены взаимосвязи между показателями бедности, безработицы, доходов и инвестиций. Работа имеет прикладной характер и может быть использована для разработки аналитических инструментов стратегического планирования и оценки региональных рисков.

Цель исследования - построение формализованной модели оценки уровня экономической безопасности регионов России. Для этого проводится структурный анализ взаимосвязанных индикаторов, характеризующих социально-экономическое положение территорий, с последующей типологизацией субъектов по степени устойчивости к внутренним и внешним вызовам.

Методы исследования. В методологической части применяются современные инструменты обработки многомерных данных: корреляционный анализ для выявления зависимостей между показателями, масштабирование данных и нормализация, метод главных компонент (PCA) для сокращения размерности признаков без потери информации, а также алгоритм кластеризации KMeans для группировки регионов по сходству структурных характеристик.

Результаты. На основе статистических данных за 2022 год выполнена классификация 8 регионов по уровню экономической стабильности и выявлены устойчивые взаимосвязи между показателями. В ходе исследования проведены отбор и обоснование индикаторов, отражающих состояние региональной устойчивости, построена корреляционная матрица для выявления взаимосвязей между показателями, сокращения размерности данных с использованием метода главных компонент (PCA), а также кластеризация субъектов Российской Федерации с целью типологизации по уровням экономической безопасности. Полученные результаты интерпретированы с учетом структуры данных для формирования выводов, отражающих устойчивость и специфику социально-экономического развития регионов.

Выводы. Результаты исследования обладают высокой прикладной значимостью и могут быть использованы при разработке региональной социально-экономической политики, формировании инструментов стратегического планирования и принятия управленческих решений в условиях макроэкономической нестабильности. Построенная кластерная модель позволяет учитывать структурные различия между регионами, а выявленные взаимосвязи между показателями - формировать более точные прогнозы устойчивости. Методологический подход, использованный в исследовании, может быть масштабирован на другие группы субъектов и адаптирован к различным временным периодам для мониторинга динамики устойчивости.

В статье осуществлен статистический анализ преступлений за 2018-2023 гг., совершенных лицами, осужденными по статье «Неправомерный доступ к компьютерной информации» Уголовного кодекса Российской Федерации. На основе статистических данных из официальных баз правоохранительных органов представлен портрет «компьютерного» преступника по следующим характеристикам: пол, возраст, род занятий, уровень образования, гражданство, место жительство, что позволило обосновать выводы об изучаемом субъекте компьютерного преступления: мужчина, гражданин Российской Федерации, в возрасте от 18 до 49 лет, имеющий профессиональное образование, чаще среднее, и являющийся по основному роду занятий коммерческим служащим или работником организации, реже трудоспособный без постоянного источника дохода, совершивший компьютерное преступление в пределах постоянного места жительства.

В работе также изучены и представлены результаты вычисления уровней динамического ряда по количеству зарегистрированных преступлений по ст. 272 УК РФ за 2018-2022 гг. с прогнозом на 2023-2024 гг. о непрерывном росте компьютерных преступлений в будущем, что подтверждают статические данные о количестве преступлений за 2023 г. Данные в целом за 2024 г. на момент проведения исследования не предоставлены в официальных базах правоохранительных органов.

Изученная динамика показателей компьютерной преступности позволила авторам сформулировать некоторые направления по предупреждению и противодействию компьютерным преступлениям для граждан, заключающиеся в необходимости и важности совершенствования законодательной базы, способствующей проведению массовых мероприятий по повышению информационной грамотности населения по вопросам защиты персональных данных и использования мобильных сервисов, формирования навыков более надежной охраны личной информации, выступающей предметом преступления по ст. 272 УК РФ.

Рассматривается применение методов нечеткого моделирования для анализа эффективности инвестиционных инструментов. При выборе финансовой стратегии в ситуации неопределенности такой анализ помогает оценивать и принимать решение. Поскольку параметры финансовой системы в условиях неопределенности бывает невозможно установить точно, то возникают задачи, которые описываются рядом характеристик, имеющих нечеткую природу. В работе была задана система показателей для оценки инвестиционной стратегии. Значимость каждого показателя устанавливается с помощью весовых коэффициентов, для определения которых используется метод парных сравнений и шкала Саати. Для описания финансовых инструментов введены специальные лингвистические переменные, для каждой из которых были заданы терм-множества. Каждый терм представляет собой нечеткое число трапециевидного типа. После фиксации текущих значений, характеризующих финансовую систему, производится процедура фаззификации, то есть введения нечеткости. Затем определенным образом выполняется операция свертки по всем уровням показателей модели с учетом весовых коэффициентов значимости. В результате получаем общую агрегированную характеристику инвестиционного инструмента, по которой возможно сделать вывод относительно уровня его эффективности. На примерах продемонстрировано применение полученных результатов

Введение. Изучение роли искусственного интеллекта и его влияния на гражданское судопроизводство представляет собой активно исследуемую проблему, поскольку его внедрение становится повсеместным.

Материалы и методы. Исследование построено на научных работах как российских, так и зарубежных ученых. Обращение к научным взглядам конкретных ученых позволило обобщить взгляды на сущность искусственного интеллекта, провести анализ форм его использования. Исследование вопроса обусловило применение общенаучных, логических, сравнительно-правовых методов, а также методов системного и комплексного анализа, позволивших всесторонне и полно изучить современное состояние исследуемого явления.

Анализ. Исследование различных научных разработок позволяет говорить о формировании новой научно-технологической среды, появлении новой области правоотношений с использованием технологий искусственного интеллекта.

Результат. По итогам проведенного исследования можно сделать вывод о необходимости формирования специальных норм законодательства по созданию и использованию искусственного интеллекта. Авторы обосновывают необходимость формирования принципиально нового инструментария правового регулирования применения технологий искусственного интеллекта в судопроизводстве, что связано со спецификой электронных лиц, характеризующейся прежде всего трудностями локализации их юридически значимого поведения.

Использование методов математической статистики в психолого-педагогических исследованиях призвано обеспечить анализ и достоверную интерпретацию данных, полученных в результате проведения эксперимента. Математическая статистика предоставляет инструменты для проверки научных гипотез, позволяет объективно доказать их или опровергнуть, а значит, повысить качество интерпретации результатов исследования. Использование технологий искусственного интеллекта становится актуальным и перспективным в работе исследователей. Материалы, результаты и обсуждение. Используются данные оценки уровня сформированности когнитивного компонента исследовательской компетентности обучающихся. Обсуждаются подходы к представлению экспериментальных данных, их анализ с помощью методов математической статистики и границы их применимости. Рассматриваются возможности ChatGPT для дополнения методов математической статистики в психолого-педагогических исследованиях и для дополнительного анализа полученных результатов. Приведено описание применения критерия согласия Пирсона. Показано использование критерия Фишера для проверки гипотез об однородности групп — участников педагогического эксперимента и достоверности различий полученных результатов исследования в соответствующих группах. Выводы. Применение непараметрических критериев для количественного анализа данных педагогического эксперимента является его неотъемлемой частью для проверки гипотез, выдвигаемых исследователем; оценки начальных условий для проведения эксперимента и эффективности его психологопедагогического воздействия. Описанные алгоритмы применения методов математической статистики могут использоваться исследователями без специальной подготовки. Использование инструментов, таких как ChatGPT, значительно повышает эффективность планирования эксперимента и анализа данных, позволяя исследователям сосредоточиться на более значимых аспектах своей работы.