Работа посвящена решению актуальной задачи классификации многомерных временных рядов данных окулографии методом машинного обучения для диагностики дислексии. Дислексия распространенное заболевание, его имеет каждый десятый из популяции, и ранняя его диагностика позволяет предотвратить его последствия, а также улучшить качество жизни этих людей. Современные методы классификации данных окулографии позволяют добиться высокой точности диагностики данного заболевания, однако не используют сырые данные айтрекоров, представляющие из себя параметры перемещения глаз. В данной работе изучены сырые данные о положении глаз испытуемых шведского лонгитюдного проекта, исследовавшего дефекты чтения у детей, предложен метод k–NN с динамической трансформацией времени для классификации многомерных временных рядов окулографических данных, предложены метрики для оценки работы модели, подобраны оптимальные гиперпараметры, а также проанализированы ошибки построенного классификатора. / The graduate qualification work is dedicated to solving the current task of classifying multivariate time series oculographic data using machine learning methods for diagnosing dyslexia. Dyslexia is a widespread disorder, affecting one in ten individuals in the population, and early diagnosis can prevent its consequences and improve the quality of life for these individuals. Modern methods for classifying oculographic data achieve high diagnostic accuracy for this condition, but they do not utilize raw eye-tracking data, which includes parameters of eye movements. In this study, raw eye-tracking data from the Swedish longitudinal project investigating reading disabilities in children were analyzed. A k-NN method with dynamic time warping (DTW) was proposed for classifying multivariate time series oculographic data. Metrics for evaluating the model's performance were proposed, optimal hyperparameters were selected, and the errors of the constructed classifier were analyzed.

The object of the study is the methods of artificial intelligence used to classify blood cells. The subject of the study is the process of classifying blood cells using artificial intelligence and its application in medical practice. The purpose of the work is to create a machine learning model for classifying blood cells. Research methods: theoretical analysis, data analysis, machine learning algorithms, neural networks. The result of the work is a trained neural network that is able to classify images of blood cells. / Объект исследования – методы искусственного интеллекта, применяемые для классификации клеток крови. Предметом исследования является процесс классификации клеток крови с использованием искусственного интеллекта и его применение в медицинской практике. Цель работы – создание модели машинного обучения для классификации клеток крови. Методы исследования: теоретический анализ, анализ данных, алгоритмы машинного обучения, нейронные сети. Результатом работы является обученная нейронная сеть, которая способна классифицировать изображения клеток крови.

В работе проводилось исследование к решению задачи с сортировкой корнеплодов картофеля на здоровые и дефектные. Решение данной задачи существенно сократило бы ручной монотонный труд человека. Сложность решения задачи заключается в преодолении препятствий – естественное загрязнение землей у картофеля, весовые и габаритные особенности корнеплодов. Для создания алгоритма был собран дата-сет из собственноручно выполненных фотографий и обучено пять моделей, на основе нейронных сетей DenseNet, ResNet50, EfficientNetB0, ResNext50_32x4d, ResNet101. Для дальнейшего исследования была выбрана модель на основе ResNet50, как показавшая наилучшие результаты распознавания на обучающей выборке. Дополнительно была выполнена независимая выборка и протестирована модель, визуализация работы модели с помощью сервиса Streamlit. Создан эскиз будущего фото-сепаратора, предложены рекомендации по реализации такого алгоритма и расчет экономической эффективности. / In the work, a study was conducted to solve the problem of sorting potato root crops into healthy and defective ones. Solving this problem would significantly reduce the manual monotonous work of a person. The difficulty of solving the problem lies in overcoming obstacles – natural soil contamination of potatoes, weight and dimensional features of root crops. To create the algorithm, a dataset was assembled from self-made photographs and five models were trained, based on the neural networks DenseNet, ResNet50, EfficientNetB0, ResNext50_32x4d, ResNet101. For further research, a ResNet50-based model was selected, as it showed the best recognition results in the training sample. Additionally, an independent sample was performed and the model was tested, visualization of the model using the Streamlit service. A sketch of the future photo separator has been created, recommendations for the implementation of such an algorithm and calculation of economic efficiency have been proposed.

The main text consists of an introduction, three chapters, a conclusion, and a list of references, including 56 titles. The work contains 3 diagrams, 31 images and 29 tables. The introduction provides the rationale for the content of the dissertation, its relevance, the degree of elaboration of the topic, the goals and objectives of the study, the object and subject of the study, theoretical and practical significance, methodology, and approbation of the results. The main part presents a study of the history of the emergence and analysis of spatial planning solutions of modern camps, an analytical study of the applied design solutions of children's health, educational and leisure centers. The classification and typology of the architecture of children's camps are analyzed and the features of compositional schemes are considered. As a result, the development of architectural solutions for a children's leisure camp with a stable and accessible environment is proposed. / Выпускная квалификационная работа изложена на 138 странице. Основной текста, состоит из введения, трех глав, заключения, списка литературы, включающего 56 наименования. В работе приведено 3 схемы, 31 изображение и 29 таблиц. Во введении приведено обоснование содержания диссертации, ее актуальность, степень разработанности темы, цели и задачи исследования, объект и предмет исследования, теоретическая и практическая значимость, методология, апробация результатов. В основной части представлено исследование история возникновения и анализ объемно-планировочных решений современный лагерей, аналитическое исследование применяемых проектных решений детских оздоровительных, образовательных и досуговых центров. Разобрана классификация и типология архитектуры детских лагерей и рассмотрены особенности композиционных схем. В результате предложена разработка архитектурных решений детского досугового лагеря с устойчивой и доступной средой.

Цель работы – исследование систем распознавания сигналов радиоэфира. / The aim of the work is to study the systems of recognition of radio signals.

This work is devoted to the creation of a model for automatic detection and classification of whales and dolphins in the image using neural networks. The aim of the research was to develop an effective model for detection and classification of marine mammals, which will improve the process of monitoring these animals in their natural habitat. To achieve the objective, it is necessary to analyse advanced machine learning techniques for the task of marine mammal detection, study the neural network architectures used in the field of detection, collect and mark up a dataset of whale and dolphin images, conduct experiments with the selected model, using augmentations, and draw conclusions about the work done. The developed marine mammal detection model proposed in the paper has significant potential to improve the quality of marine mammal monitoring and will assist in the implementation of optimal strategies for marine ecosystem conservation. The developed model can accurately determine the presence and class of marine mammal in an image. In the future, the model can be used to create an identification system. The results of the work open new opportunities for further research in the field of marine biology and environmental protection. / Данная работа посвящена созданию модели для автоматической детекции и классификации китов и дельфинов на изображении с использованием нейронных сетей. Цель исследования заключалась в разработке эффективной модели обнаружения и классификации морских млекопитающих, которая позволит улучшить процесс мониторинга данных животных в их естественной среде обитания. Для достижения поставленной цели необходимо провести анализ передовых методов машинного обучения для задачи детекции морских млекопитающих, изучить архитектуры нейронных сетей, применяемые в области детекции, собрать и разметить датасет с изображениями китов и дельфинов, провести эксперименты с выбранной моделью, с использованием аугментаций, и сделать выводы о проделанной работе. Разработанная модель детекции морских млекопитающих, предложенная в работе, обладает значительным потенциалом для улучшения качества мониторинга за морскими млекопитающими и поспособствует в реализации оптимальных стратегий для сохранения морских экосистем. Созданная модель позволяет точно определить наличие и класс морского млекопитающего на изображении. В дальнейшем модель может быть использована для создания системы идентификации. Результаты работы открывают новые возможности для дальнейших исследований в области морской биологии и охраны окружающей среды.

The paper describes a method for implementing a machine learning model into the enterprise network infrastructure to detect and classify harmful software in the Internet of Things environment. / В работе описан способ внедрения модели машинного обучения в сетевую инфраструктуру предприятия для обнаружения и классификации вредоносного ПО в среде Интернета вещей.

В магистерской диссертации рассмотрены теоретические и методические основы расходов медицинских организаций. Представлена классификация расходов. Дана характеристика моделей финансирования здравоохранения ряда государств. Представлен анализ структуры доходов и расходов медицинских организаций. Рассмотрена модификация расходов медицинских организаций. Даны практические рекомендации по совершенствованию расходов медицинских организаций. Проведена оценка эффективности изменения состава расходов медицинской организации. / In the master's thesis theoretical and methodical bases of expenses of medical organizations are considered. Classification of expenses is presented. The characteristic of models of financing of public health services of some states is given. The analysis of the structure of income and expenditure of medical organizations is presented. Modification of expenses of medical organizations is considered. Practical recommendations for improving the costs of medical organizations are given. The effectiveness of changing the composition of expenses of a medical organization was assessed.

Тема магистерской диссертации: Применение искусственного интеллекта при обработке анкетных данных. Магистерская диссертация выполнена на 98 страницах, содержит 13 таблиц, 30 рисунков, 62 использованных источника. Актуальность темы обусловлена большими трудозатратами и нерелевантными результатами обработки анкетных данных. Целью работы является автоматизация процесса отбора анкетных данных в дистрибутиве Python Anaconda с использованием алгоритмов машинного обучения. Задачи работы:  изучить системы искусственного интеллекта;  рассмотреть программное обеспечение для систем искусственного интеллекта;  создать и обучить классификатор для сортировки анкетных данных;  оценить экономическую эффективность создания проекта. Объект исследования  система сбора и обработки анкетных данных отдела диспетчеризации ВШЭМ УрФУ. Предмет исследования  автоматизация процесса ранжирования анкетных данных по релевантности. В первой главе рассматривается обработка данных с использованием систем искусственного интеллекта. Вторая глава посвящена разработке методики использования систем искусственного интеллекта при обработке анкетных данных. В третьей главе представлены системы искусственного интеллекта при сборе и обработке анкетных данных Результаты работы: практическим результатом работы стал разработанный классификатор, который определяет для заполненной анкеты: будет ли она учтена для анализа эффективности учебного процесса. / Theme of the master's thesis: Application of artificial intelligence in the processing of personal data. The master's thesis is done on 98 pages, contains of 13 tables, 30 figures, 62 literature sources. The relevance of the topic is due to the high labor costs and irrelevant results of the personal data processing. The purpose of the work is to automate the process of selecting personal data in the Python Anaconda distribution using machine learning algorithms. Objectives of work:  to explore artificial intelligence systems;  to consider software for artificial intelligence systems;  to create and train a classifier for the personal data sorting;  to evaluate the economic effectiveness of the project. The object of the study is the system for personal data collecting and processing of the dispatch department of the Higher School of Economics of UrFU. The subject of the research is the automation of the process of ranking the questionnaire data by relevance. The first chapter deals with the processing of data using artificial intelligence systems. The second chapter is devoted to the development of methods for the use of artificial intelligence systems in the processing of personal data. The third chapter presents artificial intelligence systems for the collection and processing of personal data The results of the work: the practical result of the work was the developed classifier, which defines for the completed questionnaire: it would be taken into account for impact analysis of the educational process.

The paper analyzes the most effective active teaching methods used in practice. Their role in the implementation of the competence approach in the educational process of the SPO system is revealed. In conclusion, the results of the theoretical and empirical parts of the work are summarized, as well as conclusions on the hypotheses put forward, and the practical significance of the study is justified. The results of the study were tested at the Regional methodological Association in February 2020 and at the Cyclical methodological Commission in March 2020 on the basis of the Nizhny Tagil branch of the Sverdlovsk Regional Medical College. / В работе анализируются наиболее эффективные, применяемые в практической деятельности активные методы обучения. Раскрывается их роль в реализации компетентностного подхода в образовательном процессе системы СПО. Описана процедура педагогического моделирования системы активных методов обучения. Предложены методические материалы, способствующие реализации разработанной модели в зависимости от готовности обучающихся к обучению в активных формах. Результаты исследования были апробированы на Областном методическом объединении в феврале 2020 года и на Цикловой методической комиссии в марте 2020 года на базе Нижнетагильского филиала Свердловского Областного Медицинского Колледжа.