Цель исследования – реализация проекта по автоматической проверки контрагентов с использованием современных технологий и методов машинного обучения, выявление проблем конкурентного окружения и разработка способов их решения. Исследование также направлено на определение эффективности такого проекта по автоматизации процесса по сравнению с ручными методами проверки контрагентов и определение его потенциальной экономической выгоды. Объект исследования: процесс автоматизации проверки контрагента на предприятии. Основными результатами работы являются выделенные текущие проблемы в процессе автоматизации проверки контрагента, разработанные пути их решения и собственный проект по автоматизации процесса. Практическая значимость исследования заключается в применении авторских предложений по совершенствованию процесса автоматизации проверки контрагента на предприятия. / The purpose of the study is to implement a project to automatically check counterparties using modern technologies and machine learning methods, identify problems in the competitive environment and develop ways to solve them. The study also aims to determine the effectiveness of such a project to automate the process compared to manual methods of verifying counterparties and determine its potential economic benefits. Object of study: the process of automating the verification of a counterparty at an enterprise. The main results of the work are the identified current problems in the process of automating the verification of a counterparty, developed ways to solve them and our own project to automate the process. The practical significance of the study lies in the application of the author’s proposals for improving the process of automating the verification of counterparties at enterprises.

The paper examines business analysis and requirements collection methodologies. In the course of the study, the analysis of requirements collection methods, product value determination at the business metrics level, qualitative research methods, and customer experience, development team organization and deadline management is carried out. Then the business process of employee mentoring is considered, including the description of the company's business process, writing specifications, testing and implementation of the final solution in the company with subsequent evaluation of the effects of implementation (ELTV, NPS and other metrics). / В работе исследуется методологии бизнес-анализа и сбора требований. По ходу исследования проводится анализ методик сбора требований, определения ценности продукта на уровне бизнес-метрик, методики качественных исследований, и клиентского опыта, организацию команды разработки и управления сроками. Затем рассматривается бизнес-процесс менторинга сотрудников, включая описание бизнес-процесса компании, написание спецификаций, тестирование и внедрение конечного решения в компанию с последующей оценкой эффектов от внедрения (ELTV, NPS и другие метрики).

The final qualifying work includes: an explanatory note of 75 pages, 30 figures, 6 tables, 51 sources, 1 appendix. The purpose of the work is to create a Web service based on a product approach that allows trading on the Binance exchange, aimed at automating traders' trading operations. The object of the final qualifying work is a set of trader's trading actions and their interaction with the cryptocurrency exchange during trading. The subject of the final qualifying work is the process of developing a web application for trading on the Binance exchange. The work considers the subject area related to trading cryptocurrency assets, analogs of existing web applications for trading and providing access to the exchange. Product research, evaluation and selection of a set of functions and scenarios for automation, technologies, structure and UI, UX interfaces are carried out. The process of managing the web application being developed is described, the choice of development methodologies and team management is carried out. The project planning process, the process of developing a web application that allows trading on a cryptocurrency exchange, difficulties and approaches to solving them, testing and development prospects of the developed application are described. / Цель работы – создание Web-сервиса на основе продуктового подхода, позволяющего осуществлять торговлю на бирже Binance, направленного на автоматизацию торговых операций трейдеров. Объектом выпускной квалификационной работы является набор торговых действий трейдера и его взаимодействие с криптовалютной биржей в процессе торговли. Предметом выпускной квалификационной работы является процесс разработки web-приложения для торговли на бирже Binance. В работе рассматривается предметная область, связанная с торговлей криптовалютными активами, аналоги существующих web-приложений для осуществления торговых операций и обеспечения доступа к бирже. Проводятся продуктовые исследования, оценка и выбор набора функций и сценариев для автоматизации, технологий, структуры и UI, UX интерфейсов. Описывается процесс управления разрабатываемым web-приложением, проводится выбор методологий разработки, управления командой. Описывается процесс планирования проекта, процесс разработки web-приложения, позволяющего осуществлять торговлю на криптовалютной бирже, трудности и подходы к их решению, тестирование и перспективы развития разработанного приложения.

Целью данной работы является разработка программного обеспечения для генерации данных журналов и трассировки ИТ систем, а также создание модели машинного обучения для обнаружения аномалий в подобных данных. Объектом исследования являются процессы мониторинга и управления IT-операциями. В работе исследуются методы машинного обучения и анализа данных для обнаружения аномалий в реальном времени. Были разработаны тестовый стенд для генерации событий журналов и трассировок, а также алгоритм для анализа и обнаружения аномальных событий, что позволяет оптимизировать процессы управления IT-операциями и повысить надежность систем. Результаты могут быть использованы в дальнейших работах по теме поиска аномалий в данных журналов и данных трассировки ИТ систем. / The aim of this work is to develop software for generating log and trace data of IT systems, as well as to create a machine learning model for detecting anomalies in such data. The object of the research is the processes of monitoring and managing IT operations. The study explores machine learning methods and data analysis for real-time anomaly detection. A test bench was developed for generating log and trace events, along with an algorithm for analyzing and detecting anomalous events, which optimizes IT operations management processes and improves system reliability. The results can be used in further work on the topic of anomaly detection in log and trace data of IT systems.

Отчет содержит 80 страниц, 35 рисунков, 3 таблицы, 25 источников, 3 приложения. Объект исследования – модель машинного обучения, используемая в сфере научных исследований и мониторинга сна человека. Цель работы – создание модели машинного обучения, способной на основе данных акселерометра с достаточной степенью точности определять состояние сна: пробуждение или засыпание. Методы проведения работы: исследование научных работ, сбор и подготовка данных, разработка, обучение и тестирование моделей машинного обучения. Результаты работы и их новизна: обученная модель машинного обучения, способная определять одно из двух состояний сна: пробуждение или засыпание и оказать влияние на практику мониторинга сна в домашних условиях. Область применения полученных результатов: исследования в медицинских учреждениях. Рекомендации по внедрению: наличие программного и аппаратного обеспечения для запуска обученной модели машинного обучения, устройства сбора данных – акселерометра, специалистов для дальнейшего поддержания работоспособности модели машинного обучения. Значимость работы: разработанная модель машинного обучения поможет исследователям быстрее и качественнее анализировать данные с акселерометра, глубже понять закономерности и функции сна человека. Прогнозные предположения о развитии объекта исследования: совершенствование алгоритмов машинного обучения разработанного инструмента, использование устройств с более точными датчиками и с расширенным набором дополнительных датчиков, обучение модели на данных, размеченных более качественно. / The report contains 80 pages, 35 figures, 3 tables, 25 sources, 3 appendices. The object of research is a machine learning model used in the field of scientific research and human sleep monitoring. The aim of the work is to create a machine learning model capable of determining the state of sleep with a sufficient degree of accuracy based on accelerometer data: waking up or falling asleep. Methods of work: research of scientific papers, data collection and preparation, development, training and testing of machine learning models. The results of the work and their novelty: a trained machine learning model capable of determining one of two sleep states: waking up or falling asleep and influencing the practice of sleep monitoring at home. The scope of the results obtained: research in medical institutions. Implementation recommendations: availability of software and hardware to run a trained machine learning model, an accelerometer data acquisition device, and specialists to further maintain the machine learning model. The significance of the work: the developed machine learning model will help researchers analyze data from the accelerometer faster and better, and better understand the patterns and functions of human sleep. Predictive assumptions about the development of the research object: improving the machine learning algorithms of the developed tool, using devices with more accurate sensors and with an expanded set of additional sensors, training the model on data marked up more efficiently.

С развитием технологий и увеличением объема глобальной информации машинный перевод (МП) становится все более востребованным инструментом для межъязыковой коммуникации. Современные системы машинного перевода, такие как PROMT, Yandex, Google и DeepL, генерируют значительные объемы данных, что требует надежных методов оценки их качества для повышения точности и надежности перевода. Существующие метрики, такие как BLEU, ROUGE и METEOR, имеют свои преимущества, но также обладают ограничениями, которые могут влиять на объективность оценки. В данной работе проведен всесторонний анализ существующих метрик оценки качества перевода и предложены новые метрики, адаптированные к различным жанрам текстов: художественным, техническим и документационным. Эти метрики учитывают лексические, семантические и стилистические особенности каждого жанра, что позволяет более точно и объективно оценивать качество перевода. Были разработаны алгоритмы и программное обеспечение для автоматизации процесса оценки перевода. В ходе исследования проведен сравнительный анализ эффективности работы популярных онлайн-переводчиков на основе новых метрик. Результаты исследования показали, что предложенные метрики демонстрируют высокую точность и надежность в оценке качества перевода, превосходя традиционные методы. Внедрение этих метрик в системы машинного перевода способствует повышению объективности оценки переводов, улучшению качества перевода и развитию новых методов обработки естественного языка. / With the development of technology and the increasing amount of global information, machine translation (MT) is becoming an increasingly sought-after tool for cross-lingual communication. Modern machine translation systems such as PROMT, Yandex, Google and DeepL generate significant amounts of data, which requires reliable methods to assess their quality to improve the accuracy and reliability of translation. Existing metrics such as BLEU, ROUGE and METEOR have their advantages but also have limitations that may affect the objectivity of the evaluation. This paper comprehensively analyzes existing metrics for evaluating translation quality and proposes new metrics adapted to different genres of texts: fiction, technical and documentary. These metrics take into account the lexical, semantic and stylistic features of each genre, which allows for a more accurate and objective evaluation of translation quality. Algorithms and software were developed to automate the translation evaluation process. The study conducted a comparative analysis of the performance of popular online translators based on the new metrics. The results of the study showed that the proposed metrics demonstrate high accuracy and reliability in evaluating translation quality, outperforming traditional methods. The introduction of these metrics into machine translation systems contributes to improving the objectivity of translation evaluation, enhancing translation quality and developing new methods of natural language processing.

В этом исследовании изучаются беспрецедентные нарушения, вызванные пандемией COVID-19 в глобальных моделях потребления энергии. Используя ретроспективный подход, различные методологии, включая классическое машинное обучение и алгоритмы классификации временных рядов, используются для анализа энергетических данных, охватывающих период пандемии и после нее. Набор данных охватывает различные источники энергии, что позволяет изучать исторические тенденции как до, так и после COVID-19. Также изучаются региональные различия в моделях потребления энергии в ключевых регионах, таких как ОЭСР, БРИКС, СНГ и Ближний Восток. Конкретное исследование случая, сосредоточенное на Нью-Йорке, углубляется в тенденции потребления энергии в городе и влияние правил COVID-19. Представляя модель рекуррентной нейронной сети (RNN) для прогнозирования потребления энергии, исследование подчеркивает потенциал передовых методов моделирования в понимании и прогнозировании динамики потребления энергии. Применение модели RNN к данным о потреблении энергии в Нью-Йорке позволяет сравнивать прогнозируемые и фактические данные за 2020 год. Результаты подчеркивают значительные сдвиги в тенденциях глобального потребления энергии, раскрывая глубокое влияние пандемии на спрос на энергию и ее использование. Обсуждаются последствия этих сдвигов, подчеркивая необходимость адаптации энергетической политики и инфраструктуры к меняющемуся глобальному ландшафту. Рекомендации по будущим направлениям исследований предоставляются для улучшения понимания динамического взаимодействия между внешними потрясениями, такими как пандемии, и динамикой глобального потребления энергии. / This research investigates the unprecedented disruptions caused by the COVID-19 pandemic on global energy consumption patterns. Employing a retrospective approach, diverse methodologies including classic machine learning and time series classification algorithms are utilized to analyze energy data spanning the pandemic period and beyond. The dataset encompasses various energy sources, enabling examination of historical trends both pre and post-COVID-19. Regional disparities in energy consumption patterns across key regions like OECD, BRICS, CIS, and the Middle East are also explored. A specific case study focusing on New York delves into the city's energy consumption trends and the impact of COVID-19 regulations. Introducing a Recurrent Neural Network (RNN) model for energy consumption prediction, the study highlights the potential of advanced modeling techniques in understanding and forecasting energy usage dynamics. Application of the RNN model to New York's energy consumption data allows comparison between predicted and actual 2020 data. The findings underscore significant shifts in global energy consumption trends, revealing the pandemic's profound impact on energy demand and utilization. Implications of these shifts are discussed, emphasizing the necessity of adapting energy policies and infrastructure to the evolving global landscape. Recommendations for future research directions are provided to enhance comprehension of the dynamic interplay between external shocks, such as pandemics, and global energy consumption dynamics.

Фитнес занимает важное место в жизни людей. Хорошие привычки фитнеса могут улучшить работу сердца и легких, повысить концентрацию, предотвратить ожирение и эффективно снизить риск смерти. Люди получают свои знания о фитнесе в основном из социальных сетей. Исследования показывают, что поддержание фитнеса имеет решающее значение для пропаганды здорового образа жизни и используется для оценки качества жизни, связанного со здоровьем. Хотя привлечение фитнес-тренера может быть эффективным подходом к поощрению регулярных упражнений и общего благополучия, это не всегда может быть осуществимо или доступно в определенных ситуациях. Стоит отметить, что упражнения имеют многочисленные преимущества для здоровья, но при неправильном выполнении они могут быть как неэффективными, так и потенциально опасными. Люди, которые тренируются без надлежащего контроля, часто совершают ошибки, такие как использование неправильных форм, что может привести к серьезным последствиям, таким как травмы подколенных сухожилий или падения. но способность к обучению ограничена. Неполная физическая подготовка может привести к травмам, а дешевая, своевременная и точная система определения физической подготовки может снизить риск травм и эффективно улучшить осведомленность людей о своей физической форме. В прошлом многие исследования были посвящены обнаружению фитнес-движений, среди которых обнаружение фитнес-движений на основе носимых устройств, узлов тела и глубокого обучения изображений достигло более высокой производительности. Однако носимое устройство не может обнаруживать различные фитнес-движения, может мешать физическим упражнениям пользователя и имеет высокую стоимость. Оба метода, основанные на узлах тела и на глубоком обучении изображений, имеют более низкую стоимость, но у каждого есть некоторые недостатки. Поэтому в этой статье использовался алгоритм оценки позы человека, такой как Yolov7, OpenPose и, в частности, Mediapipe, для оптимизации производительности приседаний на разных уровнях мастерства; эта система обеспечивает анализ техник приседаний в реальном времени. Настраиваемые режимы, предназначенные для новичков и профессионалов, обеспечивают персонализированную обратную связь, позволяя пользователям эффективно совершенствовать свою форму. Используя методы компьютерного зрения и машинного обучения, включая MediaPipe, OpenCV и Python, система отслеживает движения пользователей, предоставляя на экране руководство и слуховые подсказки для коррекции осанки и прогресса тренировки. AI-Fit предлагает решение, позволяющее людям безопасно заниматься спортом под руководством экспертов, и удовлетворяет потребность в персонализированных фитнес-тренировках, профилактике травм и мотивации, в конечном итоге улучшая общую физическую форму и самочувствие пользователей. / Fitness is important in people’s lives. Good fitness habits can improve cardiopulmonary capacity, increase concentration, prevent obesity, and effectively reduce the risk of death. People obtain their fitness knowledge mostly from social media. Research indicates that maintaining fitness is crucial for promoting a healthy way of living and is used to assess one's health-related quality of life. While engaging a fitness trainer can be an effective approach to encouraging regular exercise and overall well-being, it may not always be feasible or affordable in certain situations. It is worth noting that exercise has numerous health benefits, but if performed incorrectly, it can be both ineffective and potentially hazardous. Individuals who work out without proper supervision often make mistakes such as using improper forms, which can lead to severe consequences, such as hamstring injuries or falls. but learning ability is limited. Incomplete fitness is likely to lead to injury, and a cheap, timely, and accurate fitness detection system can reduce the risk of fitness injuries and can effectively improve people’s fitness awareness. In the past, many studies have engaged in the detection of fitness movements, among which the detection of fitness movements based on wearable devices, body nodes, and image deep learning has achieved better performance. However, a wearable device cannot detect a variety of fitness movements, may hinder the exercise of the fitness user, and has a high cost. Both body-node-based and image-deep-learning-based methods have lower costs, but each has some drawbacks. Therefore, this paper used a human pose estimation algorithm such as Yolov7, OpenPose and particularly Mediapipe, to optimize squat performance across various skill levels, this system provides real-time analysis of squat techniques. Customized modes tailored for beginners and professionals deliver personalized feedback, empowering users to refine their form effectively. By employing techniques from computer vision and machine learning, including MediaPipe, OpenCV, and Python, the system tracks users' movements, providing on-screen guidance and auditory cues for posture correction and workout progression. AI-Fit offers a solution for individuals to exercise safely with expert guidance and addresses the need for personalized fitness training, injury prevention, and motivation, ultimately enhancing users' overall physical fitness and well-being.

The increasing volume of unsolicited e-mail, called spam, has created an urgent need to develop more robust and resilient anti-spam filters. Recently, machine learning techniques have been used to successfully detect and filter spam. We present a systematic review of some popular machine learning based approaches for email spam filtering. Our review focuses on important concepts, attempts, performance and research trends in spam filtering. The preliminary part of the study examines the application of machine learning techniques in the process of email spam filtering by leading Internet Service Providers (ISPs) such as Gmail, Yahoo and Outlook email spam filters. The overall process of email spam filtering is discussed along with the efforts of various researchers to combat spam using machine learning techniques. Our review compares the advantages and disadvantages of existing machine learning approaches and open research problems in the field of spam filtering. / Увеличение объема нежелательной электронной почты, называемой спамом, вызвало острую необходимость в разработке более надежных и устойчивых антиспамовых фильтров. В последнее время для успешного обнаружения и фильтрации спама используются методы машинного обучения. Мы представляем систематический обзор популярных подходов к фильтрации почтового спама на основе машинного обучения. В нашем обзоре рассматриваются важные концепции, попытки, эффективность и тенденции исследований в области фильтрации спама. Рассматривается применение методов машинного обучения в процессе фильтрации почтового спама ведущими интернет-провайдерами (ISP), такими как Gmail, Yahoo и спам-фильтры электронной почты Outlook. Обсуждается общий процесс фильтрации почтового спама, а также усилия различных исследователей по борьбе со спамом с помощью методов машинного обучения. Сравниваются достоинства и недостатки существующих подходов машинного обучения и исследовательские проблемы в области фильтрации спама.

In today's corporate environment, where informed decision making is based on data, business intelligence (BI) systems are becoming an integral part of the effective functioning of industrial enterprises. Important tools in this area are both paid and free open source BI systems. Despite the variety of available solutions, Microsoft Excel remains a widely used data analysis tool among Russian manufacturers, due to its low entry barrier for non-IT specialists. Having the status of a universal BI platform, Excel provides capabilities for storing, manipulating, analyzing data and visualizing it. However, it does not have functionality for joint manipulation of data in real time by different users. The closed source code does not provide the ability to configure automatic data downloads from the enterprise, as well as simultaneous remote access to data. In this regard, a need was identified to develop a domestic analogue of Excel with additional tools based on an Open Source project, close to Excel in terms of the number of “tabular” functions familiar to users. / В условиях современной корпоративной среды, где принятие обоснованных решений основывается на данных, системы бизнес-анализа (BI) становятся неотъемлемой частью эффективного функционирования промышленных предприятий. Важными инструментами в этой области являются как платные, так и бесплатные open source BI системы. Несмотря на разнообразие доступных решений, Microsoft Excel остается широко распространенным средством анализа данных у российских производителей, благодаря его низкому порогу входа для не IT специалиста. Имея статус универсальной BI-платформы, Excel предоставляет возможности хранения, манипуляций, анализа данных и их визуализации. Однако не имеет функционала для совместных манипуляций данных в реальном времени разными пользователями. Закрытый исходный код не дает возможность настройки автоматической загрузки данных от предприятия, а также одновременный удаленный доступ к данным. В связи с этим была выявлена потребность в разработке отечественного аналога Excel с дополненными инструментами на основе Open Source проекта, приближенного к Excel по количеству привычных пользователям “табличным” функциям.