Архив статей журнала
Целью научной статьи является представление исследования архитектуры рекомендательного сервиса, разработанного для помощи абитуриентам в выборе направления подготовки в вузе. Главной функцией сервиса выступает предоставление абитуриентам персонализированных рекомендаций по подготовке на основе их предпочтений, интересов, академических достижений и рейтинга учебного заведения. Архитектура базируется на принципе клиент-серверного взаимодействия, когда клиенты могут получать персонализированные рекомендации и взаимодействовать с сервисом через веб-интерфейс. В статье были решены следующие задачи: выполнены архитектурная декомпозиция и описание основных компонентов сервиса; представлен метод машинного обучения, включая алгоритм коллаборативной фильтрации, который применяется в сервисе и позволяет учитывать предпочтения и предложения других абитуриентов с похожими интересами и образовательным профилем; разработаны рекомендации по выбору пользовательского интерфейса для удобного взаимодействия с сервисом; проведены контрольные примеры с целью оценки эффективности работы рекомендательного сервиса. Исследование показывает, что использование метода коллаборативной фильтрации в архитектуре сервиса позволяет достичь высокой точности и удовлетворения абитуриентов при предоставлении рекомендаций по выбору направления подготовки в вузе. Статья имеет практическую значимость, так как представляет собой реальное применение метода машинного обучения и архитектуры сервиса для помощи абитуриентам в выборе направления подготовки. Результаты исследования могут быть полезными для разработки подобных сервисов в образовательной сфере.
Цель статьи заключается в теоретическом осмыслении сущности больших данных, в выявлении преимуществ и рисков их использования финансовыми организациями. В статье представлены результаты систематизации знаний о сути и особенностях больших данных. Выявлено, что они позволяют делать более качественные аналитические исследования, создавать модели для прогнозирования экономических тенденций и рыночных изменений, изучать рыночную динамику, анализировать медицинские данные для улучшения диагностики и выбора методов лечения, предсказывать отказ или поломку оборудования в производстве за счет оценки данных с датчиков, разрабатывать социальные и экономические программы на государственном уровне, выявлять мошенничество и коррупцию в финансовом секторе и пр. Обоснована актуальность стремительного развития технологии больших данных и целесообразность ее использования в этой области. В результате анализа научной литературы представлено авторское определение технологии в финансовом секторе, новизна которого заключается в учете особенностей и преимуществ применения больших данных именно финансовыми организациями. Изучение современной практики их использования в этих учреждениях позволило выявить основные сильные стороны, а также недостатки исследуемой технологии.