HR-аналитика – относительно новое направление в сфере управления персоналом, но уже довольно широко обсуждается в научном контексте. Цель исследования – изучить современные подходы к управлению человеческими ресурсами организации на основе инструментов HR-аналитики и данных о людях, провести анализ возможностей и ограничений применения HR-аналитики в системе управления персоналом телекоммуникационной компании, а также разработать предложения по внедрению системы HR-аналитики в ООО «К Телеком». В ходе исследования использованы как теоретические методы (изучение литературных источников, анализ, описание, обобщение, классификация), так и эмпирические методы (интервьюирование, анкетирование, сбор данных, анализ результатов деятельности). Научная новизна исследования заключается в авторском уточнении понятия HR-аналитики и разработке инновационных решений в области внедрения системы HR-аналитики в практику управления человеческими ресурсами телекоммуникационной компании. Практическая значимость результатов магистерского исследования обусловлена разработкой управленческого механизма внедрения системы HR-аналитики в ООО «К Телеком», инструментов принятия кадровых решений на основе данных о людях. / HR analytics is a relatively new direction in the field of personnel management, but it is already widely discussed in a scientific context. The purpose of the study is to study modern approaches to managing human resources of an organization based on HR analytics tools and data about people, to analyze the possibilities and limitations of using HR analytics in the personnel management system of a telecommunications company, and to develop proposals for the implementation of an HR analytics system in K Telecom LLC. During the study, both theoretical methods (study of literary sources, analysis, description, generalization, classification) and empirical methods (interviewing, questioning, data collection, analysis of performance results) were used. The scientific novelty of the study lies in the author's clarification of the concept of HR analytics and the development of innovative solutions in the field of introducing an HR analytics system into the practice of human resource management in a telecommunications company. The practical significance of the results of the master's study is due to the development of a managerial mechanism for the implementation of the HR analytics system in K Telecom LLC, tools for making personnel decisions based on data about people.

Цель работы – разработка, реализация и внедрение системы управления IT-услугами, позволяющей повысить качество и скорость работы технического отдела компании. Объект исследования – класс ITSM-систем, позволяющих управлять работой IT-отдела компании. Методы исследования: анализ и сравнение существующих систем управления IT-услугами; анализ современных средств разработки WEB-приложений; тестирование разрабатываемой системы на реальных пользователях и реальных данных. Результаты работы: разработана система управления IT-услугами (ITSM) для компании по предотвращению магазинных краж. Доказана эффективность внедрения новой системы. Выпускная квалификационная работа выполнена в текстовом редакторе Microsoft Word и представлена в твёрдой копии. / The goal of the work is to develop, implement and implement an IT service management system that will improve the quality and speed of work of the company’s technical department. The object of study is a class of ITSM systems that allow you to manage the work of a company’s IT department. Research methods: analysis and comparison of existing IT service management systems; analysis of modern WEB application development tools; testing the developed system on real users and real data. Work results: an IT service management (ITSM) system was developed for a shoplifting prevention company. The effectiveness of implementing the new system has been proven. The final qualifying work was completed in the text editor Microsoft Word and presented in a hard copy.

Цель работы – разработка модели машинного обучения для автоматического сопоставления описаний продуктов, представленных в текстовом виде с внутренними кодами компании. Объект исследования – бизнес-процесс сопоставления описаний продуктов с внутренними кодами компании. Методы исследования: предварительная обработка данных, анализ данных, выбор и обучение модели машинного обучения, оценка производительности модели. Результаты работы: разработана и обучена модель машинного обучения на основе алгоритма CatBoost для автоматического сопоставления описаний продуктов с внутренними кодами компании. Модель показала высокую точность и полноту при тестировании. Созданная модель машинного обучения внедрена в продуктивное использование компании АО «Сони Электроникс» и позволяет сокращать ресурсы аналитиков в существенном объеме. Выпускная квалификационная работа выполнена в текстовом редакторе Microsoft Word и представлена в электронном и печатном виде. / The goal of the work is to develop a machine learning model for automatically comparing product descriptions presented in text form with the company’s internal codes. The object of study is the business process of comparing product descriptions with internal company codes. Research methods: data preprocessing, data analysis, selection and training of a machine learning model, evaluation of model performance. Results of the work: a machine learning model based on the CatBoost algorithm was developed and trained to automatically compare product descriptions with internal company codes. The model showed high accuracy and completeness during testing. The created machine learning model has been put into productive use by Sony Electronics JSC and makes it possible to reduce analyst resources to a significant extent. The final qualifying work was completed in the text editor Microsoft Word and presented in electronic and printed form.

В современном мире текстовая обработка и искусственный интеллект активно используются для автоматизации различных процессов, включая создание аннотаций для художественных произведений. Автоматическая генерация аннотаций помогает читателям быстро понять содержание книги и принять решение о её прочтении. В этой диссертации проводится исследование различных моделей генерации аннотаций, таких как Bag-of-Words (BoW), TF-IDF, Latent Dirichlet Allocation (LDA), Recurrent Neural Networks (RNNs), BERT (Bidirectional Encoder Representations from Transformers), T5 и PEGASUS. Эффективность этих моделей оценивается с помощью метрик BLEU Score, ROUGE Score, METEOR Score, F1 Score и CIDEr Score. Для тестирования моделей используется датасет, состоящий из книг в формате .docx. Результаты работы позволяют выявить наиболее эффективные методы автоматической генерации аннотаций и предлагают направления для дальнейшего совершенствования этих моделей. / In today's world, text processing and artificial intelligence are actively used to automate various processes, including the creation of annotations for fiction works. Automatic annotation generation helps readers quickly grasp the content of a book and decide whether to read it. This dissertation investigates various models for generating annotations, such as Bag-of-Words (BoW), TF-IDF, Latent Dirichlet Allocation (LDA), Recurrent Neural Networks (RNNs), BERT (Bidirectional Encoder Representations from Transformers), T5, and PEGASUS. The effectiveness of these models is evaluated using metrics such as BLEU Score, ROUGE Score, METEOR Score, F1 Score, and CIDEr Score. A dataset of books in .docx format is used to test the models. The results of the study identify the most effective methods for automatic annotation generation and suggest directions for further improvement of these models.

Исследование продемонстрировало, что методы машинного обучения могут успешно применяться для качественного анализа литературных произведений. Полученные данные свидетельствуют о высокой точности и надежности предложенных подходов. Это открывает широкие возможности для дальнейшего развития и применения данных технологий в филологических исследованиях и литературной критике. / The research demonstrated that machine learning methods can be successfully applied for qualitative analysis of literary works. The obtained data indicate high precision and reliability of the proposed approaches. This paves the way for further development and application of these technologies in philological studies and literary criticism.

В данной работе был разработан и реализован комплексный подход к анализу и интерпретации пользовательских данных, собранных в рамках системы веб-аналитики. Применяя методы машинного обучения и аналитики данных, были исследованы и выявлены ключевые события пользователей, влияющие на определенные бизнес-метрики. Начальные этапы проекта включали сбор и предварительную обработку данных, с последующей кластеризацией для выявления скрытых взаимосвязей и структур. Использовались или тестировались различные библиотеки для объяснимости работы моделей машинного обучении, такие как Eli5 и SHAP. Для решения задачи тестировались кластеризации, включая K-средних, DBSCAN, спектральную кластеризацию и OPTICS. В качестве алгоритмов применялась логистическая регрессия, случайны лес и CatBoost. Применялась нейронная сеть. Для определения значимости признаков использовались методы Permutation Importance, с применением моделей логистической регрессии, случайного леса и нейронной сети. Основным результатом стала разработка скрипта, осуществляющего автоматический сбор, обработку данных и определение наиболее значимых событий. Полученный инструментарий значительно облегчает задачу аналитиков, помогая определять ключевые аспекты поведения пользователей и строить более эффективные стратегии взаимодействия. Применение полученных результатов имеет высокий потенциал для улучшения бизнес–решений и оптимизации работы с пользовательской аудиторией. / In this work, an integrated approach to the analysis and interpretation of user data collected within the framework of a web analytics system was developed and implemented. Using machine learning and data analytics methods, key user events that impact certain business metrics were investigated and identified. The initial stages of the project included data collection and pre-processing, followed by clustering to identify hidden relationships and structures. Various libraries have been used or tested to make machine learning models explainable, such as Eli5 and SHAP. Clusterings including K-means, DBSCAN, spectral clustering, and OPTICS were tested to solve the problem. The algorithms used were logistic regression, random forest and CatBoost. A neural network was used. To determine the significance of features, Permutation Importance methods were used using logistic regression, random forest and neural network models. The main result was the development of a script that automatically collects, processes data and determines the most significant events. The resulting tools greatly facilitate the task of analysts, helping to identify key aspects of user behavior and build more effective interaction strategies. The application of the results obtained has high potential for improving business decisions and optimizing work with the user audience.

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).

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.