Искусственные нейронные сети – это концепция, которая исследуется с середины XX века, но до сих пор но только сейчас они переживают очень высокий темп роста. Благодаря значительным улучшениям в их поведения, за последние годы их использование перешло от использования только в академических целях до полностью внедрено и функционирует в нашей жизни. Эти нейронные сети являются системами, которые используются во многих различных приложениях в настоящее время. Таким образом, это дает нам главная особенность нейронных сетей: эти системы легко построить, самая большая проблема заключается в реализации алгоритма обучения, который состоит из следующих элементов алгоритм обучения, который состоит из нескольких очень простых итеративных математических операций (даже меньше, если мы используем и, в тоже время, это очень мощные системы. / Artificial neural networks are a concept that has been researched since the middle of the 20th century, but until now, but only now, they are experiencing a very high rate of growth. Due to significant improvements in their behavior, in recent years their use has gone from being used for academic purposes only to being fully implemented and functioning in our lives. These neural networks are systems that are used in many different applications nowadays. Thus, this gives us the main feature of neural networks: these systems are easy to build, the biggest problem is to implement a learning algorithm, which consists of the following elements, a learning algorithm that consists of several very simple iterative mathematical operations (even less if we use and At the same time, these are very powerful systems.

There are the importance of planning and forecasting functions in the management of a commercial Bank is revealed. The author proposes a rational system of planning the development of the Bank with the help of machine learning tools. / В диссертационной работе раскрыта значимость функций планирования и прогнозирования в управлении коммерческим банком. Автором предложена рациональная система планирования развития банка на основе инструментов машинного обучения.

Актуальность темы обусловлена тем, что сегодня детским интернет-магазинам для сохранения своей конкурентоспособности на рынке детского ритейла, необходимо анализировать бизнес-процессы, устранять их недостатки, искать пути оптимизации и совершенствования бизнес-процессов. Целью данной выпускной квалификационной работы является автоматизация аналитической деятельности интернет-магазина Momchecked с применением методов машинного обучения. Практическая значимость исследования заключается в практическом применении предлагаемого способа на предприятии и получении экономической выгоды от результата внедрения информационной системы. Ключевой новизной диссертации является рассмотрение инновационных методов автоматизации аналитической отчетности предприятий, позволяющие повысить скорость обработки информации и снизить издержки компании за счет высвобождения рабочего времени сотрудников. / The relevance of the topic is due to the fact that today, for children's online stores to maintain their competitiveness in the children's retail market, it is necessary to analyze business processes, eliminate their shortcomings, and look for ways to optimize and improve business processes. The aim of this final qualification work is to automate the analytical activities of the Momchecked online store using machine learning methods. The practical significance of the study lies in the practical application of the proposed method at the enterprise and obtaining economic benefits from the result of the implementation of the information system. The key novelty of the dissertation is the consideration of innovative methods for automating the analytical reporting of enterprises, which can increase the speed of information processing and reduce company costs by freeing up staff time.

Работа посвящена обзору и выбору программного обеспечения для разработки модифицированных чат-бот приложений. В ней рассматриваются основные преимущества и описание процесса разработки чат-ботов. В работе используются передовые методы, алгоритмы и сценарии из области машинного обучения и искусственного интеллекта для формирования релевантного ответа чат-бота. / The work is devoted to the review and selection of software for the development of modified chatbot applications. It discusses the main benefits and describes the process of developing chatbots. The work uses advanced methods, algorithms, and scenarios from the field of machine learning and artificial intelligence to form a relevant chatbot response.

В рамках исследования были проанализированы данные о кредитных операциях, предоставленные коммерческими банками. Была проведена подробная предобработка и нормализация данных для подготовки их к дальнейшему анализу и использованию в моделях машинного обучения. Основной фокус работы был сосредоточен на применении двух моделей: логистической регрессии и случайного леса. Логистическая регрессия была выбрана из-за своей простоты и интерпретируемости, а случайный лес – из-за своей способности обрабатывать большие объемы данных и выявлять сложные зависимости. В ходе экспериментов было показано, что обе модели успешно справляются с задачей оценки кредитного риска. Логистическая регрессия показала хорошую производительность, быстроту и точность, что делает ее подходящей для применения в реальном времени, например, при личной подаче заявки в банке или при онлайн-заявках. Случайный лес, в свою очередь, достиг высокой точности, хотя требует больше вычислительных ресурсов. Дополнительно, в работе был использован метод генетического программирования для создания новых признаков на основе исходных данных. Этот подход позволил значительно улучшить производительность модели и повысить ее точность. Хотя не все созданные признаки вошли в топ-5 наиболее важных, генетическое программирование оказалось эффективным способом генерации признаков, что имеет важное значение в области оценки кредитного риска. / The study analyzed data on credit transactions provided by commercial banks. Detailed pre-processing and normalization of the data was carried out to prepare it for further analysis and use in machine learning models. The main focus of the work was on the use of two models: logistic regression and random forest. Logistic regression was chosen for its simplicity and interpretability, and random forest for its ability to handle large amounts of data and identify complex relationships. During the experiments, it was shown that both models successfully cope with the task of assessing credit risk. Logistic regression has demonstrated good performance, speed, and accuracy, making it suitable for real-time applications such as in-person applications at a bank or online applications. Random forest, in turn, has achieved high accuracy, although it requires more computing resources. Additionally, the work used the genetic programming method to create new traits based on the original data. This approach significantly improved the model's performance and accuracy. Although not all of the features generated were in the top 5 most important, genetic programming has proven to be an effective way to generate features, which has important implications in the field of credit risk assessment.

Объектом настоящего исследования являются алгоритмы и методы машинного обучения, и их применение в задачах прогнозирования временных рядов и анализа текста. В данном исследовании предложено применить модифицированную архитектуру рекуррентной нейронной сети (LSTM) для предсказания цены закрытия криптовалютных котировок на следующий день от текущего, а также, применить алгоритмы классификации, такие как: логистическая регрессия, Linear SVC, Gradient Boosting, для определения эмоциональной метки новостной записи для разработки стратегии прогнозирования точек входа и выхода из торговых позиций на рынке криптовалют. Исследование фокусируется на доказательстве того, что применение методов и алгоритмов машинного обучения для создания торговой стратегии для определения точек входа и выхода из торговой позиции, повысит эффективность процесса торговли, а также, ускорит процесс сбора и обработки аналитических данных для технического анализа рынка. Для обучения используемых моделей, разработаны и использованы программные средства (парсеры), с помощью которых извлекаются данные с криптовалютной торговой биржи Binance, а также, криптовалютной социальной сети CryptoPanic. Экспериментальные результаты показывают, что среднем автоматизированный процесс определения точек входа и выхода из торговых позиций быстрее в 2 раза чем при ручном определении, а количество сделок увеличится примерно на 17.5%. В итоге можно сделать вывод о том, что, используя передовые технологии возможно разработать инструмент для повышения эффективности торговли криптовалютой. / The object of this study is the algorithms and methods of machine learning, and their application in the problems of time series forecasting and text analysis. In this study, it is proposed to apply a modified architecture of a recurrent neural network (LSTM) to predict the closing price of cryptocurrency quotes the next day from the current one, and also to apply classification algorithms, such as: logistic regression, Linear SVC, Gradient Boosting, to determine the emotional label of a news entry to develop a strategy for predicting entry and exit points for trading positions in the cryptocurrency market. The study focuses on proving that the use of machine learning methods and algorithms to create a trading strategy to determine entry and exit points from a trading position will increase the efficiency of the trading process, as well as speed up the process of collecting and processing analytical data for technical market analysis. To train the models used, software tools (parsers) were developed and used, with the help of which data is extracted from the Binance cryptocurrency trading exchange, as well as the CryptoPanic cryptocurrency social network. Experimental results show that, on average, the automated process of determining entry and exit points from trading positions is 2 times faster than with manual determination, and the number of transactions will increase by about 17.5%. As a result, we can conclude that, using advanced technologies, it is possible to develop a tool to improve the efficiency of cryptocurrency trading.

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.

Актуальность выбранной темы состоит в том, что внедрение машинного обучения в системы электронного документооборота является новым и мощным инструментом для упрощения работы с документами. Многие организации уже перевели бумажный документооборот в электронный, поэтому необходимо рассмотреть вопрос как внедрение машинного обучения с систему электронного документооборота повысит производительность каждого сотрудника и предприятия в целом. Целью исследования является автоматизация процесса подготовки документа с использованием алгоритмов машинного обучения. Материалы данной работы, обобщённые по итогам анализа, могут быть использованы в качестве практического применения на предприятии для повышения эффективности работы всех подразделений и как следствие получения экономической выгоды от внедрения машинного обучения в систему электронного документооборота. / The relevance of the chosen topic lies in the fact that the introduction of machine learning into electronic document management systems is a new and powerful tool for simplifying work with documents. Many organizations have already transferred paper workflow to electronic, so it is necessary to consider how the introduction of machine learning from an electronic document management system will increase the productivity of each employee and the enterprise as a whole. The aim of the research is to automate the document preparation process using machine learning algorithms. The materials of this work, summarized according to the results of the analysis, can be used as a practical application at the enterprise to increase the efficiency of all departments and, as a result, obtain economic benefits from the introduction of machine learning into the electronic document management system.

В работе представлен обзор современных методов и алгоритмов машинного обучения и опыта их практического применения в банковской сфере. Разработана методика реализации проекта по совершенствованию системы планирования комиссионного дохода клиентского сегмента коммерческого банка. Реализована модель планирования комиссионного дохода клиентского сегмента банка на основе методов машинного обучения. / The paper provides an overview of modern methods and algorithms of machine learning and the experience of their practical application in the banking sector. A methodology has been developed for the implementation of a project to improve the system of planning commission income for the client segment of a commercial bank. A model for planning commission income of the bank's client segment based on machine learning methods has been implemented.

Банковские карты получают все большее распространение и сложно теперь найти человека, который бы никогда ими не пользовался. Для повышения доходности банки стараются выдать дебетовую карту с множеством преимуществ для клиента, но необходимо учесть ряд показателей, которые могут повлиять на активное оформление дебетовых карт. Этим и занимается маркетолог-аналитик, прогнозируя рост клиентов и доходов банка. Для автоматизации работы маркетолога-аналитика используется применение алгоритма машинного обучения на базе линейной регрессии. Входными данными являются количество заявок на оформление дебетовой карты и дата оформления с января 2020-октябрь 2021гг. / This article is devoted to the study of the application of machine learning in the banking sector to predict the need for the development of banking products. An analysis of the prospects for implementation and advantages of the system under development was carried out. Using process modeling methods, the project implementation process and the sprint development process were described.