Данная работа включает изучение алгоритмов машинного обучения (регрессии и классификации) на примере данных открытых источников Covid-19. Исходные данные для исследования взяты с веб-сайта Европейский центр по профилактике и контролю заболеваний в формате CSV. Для решения задачи использовались библиотеки Pyton: pandas, NumPy, Matplotlib, Seaborn, Sklearn. В ходе исследования исследованы возможности библиотек и функций Python для предварительной обработки данных путем удаления NULL-полей и преобразования их в нулевые, а затем выполнен процесс извлечения данных с помощью библиотек и функций Python и то, как отображать информацию в различных формах в виде таблиц, графиков или временных рядов. Применение агломеративной кластеризации к данным, как показал график распределения, не позволило достаточно точно провести разбивку данных на группы. Использование алгоритма кластеризации BIRCH позволило более точно решить данную задачу. / Through the master's research, we will use the Covid-19 data file for the year 2020, and the Covid-19 data file for the year 2021 and early 2022 year The file is in (csv) format for all countries of the world to show cases of injuries and deaths. Through the study, we will show the ability of Python libraries and functions to pre-process data by removing NULL fields and converting them to zero and then the process of extracting data using Python libraries and functions and how to show information in different forms in the form of tables, charts or time series. Then we conclude the six most important libraries in the Python language that cannot be dispensed with in the process of data mining and the most important functions used. Algorithms: regression algorithm, classification algorithm, clustering algorithm. Evaluate the results between the work of these algorithms by showing the drawing of each algorithm and deduce the best algorithm in our work only.

No description available.

Одним из основных видов оборудования для горнодобывающей промышленности является экскаватор. Наиболее крупным производителем данного вида оборудования в Российской федерации является ПАО «Уралмашзавод» г. Екатеринбург. Наиболее распространенным среди используемых экскаваторов является серийный электрический экскаватор ЭКГ-20 с гусеничным ходом и с объемом ковша от 18 до 22 куб.м по международному стандарту SAE J67. На основе собранных статистических данных было проведено исследование эффективности работы экскаватора. Основным критерием, определяющим эффективность экскаватора. В ходе статистического исследования было выявлено, что наибольший процент аварийных простоев, связан с механизмом открывания днища ковша. Объектом данного проекта является электрический одноковшовый карьерный экскаватор ЭКГ-20, производства ПАО «Уралмашзавод». Предметом исследования является механизма открывания днища ковша. Основная цель данной работы является модернизация механизм открывания днища ковша, а также проведение анализа эксплуатационных показателей и экономической целесообразности проведения модернизации. / One of the main types of equipment for the mining industry is an excavator. PJSC "Uralmashzavod". Yekaterinburg. The most common among the types of excavators is a serial electric excavator EKG-20 with a delivery capacity of 18 to 22 cubic meters according to the international standard SAE J67. Based on the collected statistical data, a study was conducted of the efficiency of the excavator. The main criterion for determining the effectiveness of an excavator. In the course of statistical studies, it was found that the largest percentage of emergency downtime is associated with the opening mechanism of the bottom of the bucket. The object of this project is an electric single-bucket mining excavator EKG-20, produced by PJSC "Uralmashzavod". The subject of research is the mechanism of opening the bottom of the bucket. The main goal of this work is to modernize the mechanism for opening carpet days, as well as to analyze the performance indicators and the economic feasibility of modernization.

No description available.

No description available.

The relevance of the topic is due to the fact that copper is used in all sectors of industry: engineering, electrical industry, household industry, construction, etc. It produces wires and cables, pipes, cooling systems and much more. Thus, the scope of copper is constantly expanding, so the need for it is growing from year to year. Copper mining from natural sources is expensive and not environmentally friendly. Therefore, it is much more efficient to produce copper by secondary processing. In modern conditions, it is important to be able to predict the resource base of the enterprise in the short and long term, because this helps to direct investments in the right direction and to avoid economic losses. The aim of the work is to build a predictive model of the copper scrap market using key parameters. Tasks of work: • to consider the theoretical aspects of the development of the Russian copper scrap market; • to evaluate key indicators of the copper scrap market and adjust the model characterizing the dynamics of the volume of copper scrap; • to develop a forecast model and produce a forecast; • to analyze the enterprises of the metallurgy market; • to identify the behavior strategies of agents in the copper scrap market and build a diagram of competitive behavior strategies; • to evaluate the effectiveness of the competitive behavior strategy chart; • to evaluate the economic efficiency of creating a new information system. / Актуальность темы обусловлена тем, что медь используется во всех секторах промышленности: для машиностроения, электротехнической промышленности, бытовой промышленности, в строительстве и т.д. Из нее изготавливаются провода и кабели, трубы, системы охлаждения и многое другое. Таким образом, сферы применения меди постоянно расширяются, поэтому потребности в ней растут из года в год. Добыча меди из природных источников процесс дорогостоящий и не экологичный. Поэтому гораздо эффективнее получать медь путем вторичной обработки. В современных условиях, важно уметь прогнозировать ресурсную базу предприятия в краткосрочной и долгосрочной перспективе, т.к. это помогает направить инвестиции в нужное русло и избежать экономических потерь. Целью работы является построение прогнозной модели рынка медного лома с использованием ключевых параметров. Задачи работы: • рассмотреть теоретические аспекты развития рынка медного лома РФ; • оценить ключевые показатели рынка медного лома и скорректировать модель, характеризующую динамику объема медного лома; • разработать прогнозную модель и произвести прогноз; • провести анализ предприятий рынка металлургии; • выявить стратегии поведения агентов на рынке медного лома и построить диаграмму конкурентной стратегии поведения; • оценить эффективность диаграммы конкурентной стратегии поведения; • оценить экономическую эффективность создания новой информационной системы.