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.

No description available.

No description available.

Выпускная квалификационная работа состоит из введения, двух частей, заключения, списка использованных источников, приложения. В теоретической части представлены основные понятия, особенности, виды и формы обучения и способы взаимодействия между преподавателями и студентами, достоинства и недостатки традиционной и дистанционной форм обучения, мнения различных исследователей о проблемах взаимодействия в системе «преподаватель-студент». В практической части описывается общая характеристика объекта исследования, применяемые методы исследования, результаты опроса о взаимодействии между преподавателями и студентами, разработаны рекомендации для улучшения взаимоотношений между преподавателями и студентами Уральского федерального университета имени первого Президента России Б. Н. Ельцина. В заключении подведены итоги в соответствии с поставленными задачами. / The final qualifying work includes an introduction, two main parts, a conclusion, a reference list and an application. The theoretical part presents the basic concepts, features, types and forms of education and the ways of interaction between teachers and students, the advantages and disadvantages of traditional and distance learning, the various opinions of researchers on the problems of interaction in the «teacher-student» system. The practical part describes the general characteristics of the object of study, the research methods, the results of a survey concerning the interaction between teachers and students. The recommendations are given for improving the communication between teachers and students of the Ural Federal University named after the first President of Russia B. N. Yeltsin. The conclusion summarizes the results in accordance with the tasks set.

Modern linguistics is distinguished by a wide variety of theoretical models, methods and techniques that help expand the possibilities of learning foreign languages. One of these models is the theory of lexical priming, which is at the intersection of cognitive linguistics, as well as psycholinguistics with elements of the use of corpus research. Michael Howe's theory of lexical priming can be actively used in the process of learning a foreign language in order to minimize the problem of interference through repeated repetition in the context, as well as to develop the ability to anticipate. The relevance of the presented work is determined by modern requirements for constructing English lessons using effective techniques for developing reading literacy and the ability to work with vocabulary formed within the framework of a student-oriented approach. The object of the study is the process of learning to read using the example of texts in preparation for the Unified State Exam in English using techniques developed on the basis of the theory of lexical priming. The subject of the study is the process of development and testing of methods for teaching reading using the potential of lexical priming. The purpose of the work: to develop and test methodological techniques for teaching reading using the effect of lexical priming using the example of texts in preparation for the Unified State Exam in English. / Современная лингвистика отличается широким разнообразием теоретических моделей, методов и приемов, помогающих расширить возможности изучения иностранных языков. Одной из таких моделей является теория лексического прайминга, которая находится на стыке когнитивной лингвистики, а также психолингвистики с элементами использования корпусных исследований. Теория лексического прайминга Майкла Хоуи может активно использоваться в процессе изучения иностранного языка в целях минимизации проблемы интерференции через многократное повторение в контексте, а также выработки способности к антиципации. Актуальность представленной работы определяется современными требованиями к построению уроков английского языка с использованием эффективных приемов для формирования читательской грамотности и умением работать с лексикой, сформированной в рамках личностно-ориентированного подхода. Объектом исследования является процесс обучения чтению на примере текстов по подготовке к ЕГЭ по английскому языку с использованием приемов, разработанных на основе теории лексического прайминга. Предмет – разработка и апробация приемов обучения чтению с использованием потенциала лексического прайминга. Цель работы: разработать и апробировать методические приемы обучения чтению с использованием эффекта лексического прайминга на примере текстов по подготовке к ЕГЭ по английскому языку.

Данная работа посвящена созданию модели, при помощи которой может осуществляться классификация эмоций для дальнейшего анализа психофункционального состояния человека с использованием машинного обучения. Цель исследования заключалась в разработке системы оценки психофункционального состояния человека на основе биосигнала Eye tracking с помощью моделей машинного обучения. Для достижения поставленной цели предполагается провести анализ современных методов машинного обучения для задачи оценки психофункционального состояния человека, собрать и обработать собственный набор данных, применить алгоритмы и модели машинного обучения к выбранному открытому набору данных и собственному набору данных, получить оценки точности и сравнить полученные результаты. Сформировать выводы. Разработка системы позволит производить оценку психофункционального состояния человека на основе данных Eye tracking, путем определения изменений в образце движения глаз. Помочь в диагностике и мониторинге психических заболеваний, и сократить время проведения и обработки тестов на выявление психических отклонений врачами. / This work is devoted to the creation of a model by which the classification of emotions can be carried out for further analysis of the psychofunctional state of a person using machine learning. The aim of the study was to develop a system for assessing the psycho-functional state of humans based on the Eye tracking biosignature using machine learning models. In order to achieve this goal, it is planned to conduct an analysis of modern methods of machine learning for the purpose of assessing the psychofunctional state of a person, to collect and process its own set of data, Apply algorithms and machine learning models to the selected open data set and its own data set, obtain accuracy estimates and compare the results. Draw conclusions. The development of the system will allow to assess the psycho-functional state of a person based on Eye tracking data, by determining changes in the pattern of eye movement. Assist in the diagnosis and monitoring of mental illness, and reduce the time for conducting and processing of tests for the detection of mental disorders by doctors.

The object of the study is a laboratory complex in the discipline ""automation of machine learning"". All laboratory work performed by students in this discipline is subject to analysis and verification. The subject of the research is the development of an automatic validation system for a laboratory complex in the discipline ""automation of machine learning"". The system includes the creation of job verification algorithms, the integration of tools and other aspects necessary for the effective operation of the system. The purpose of the study is to develop an automatic validation system for a laboratory complex in the discipline ""automation of machine learning"". Research methods include analyzing the history and tools for automating machine learning, studying documentation for the tools involved in the work, conducting a research analysis on the possibility of generalizing the development to all laboratory work. The result of the work is a software package capable of automatically checking and evaluating students' work. / Объектом исследования является лабораторный комплекс по дисциплине «автоматизация машинного обучения». Все лабораторные работы, выполняемые студентами в рамках этой дисциплины, являются объектом анализа и проверки. Предметом исследования является разработка системы автоматической валидации лабораторного комплекса по дисциплине «автоматизация машинного обучения». Система включает в себя создание алгоритмов проверки работ, интеграцию инструментов и другие аспекты, необходимые для эффективной работы системы. Цель исследования – разработка системы автоматической валидации лабораторного комплекса по дисциплине «автоматизация машинного обучения». Методы исследования – проведение анализа истории и инструментов для автоматизации машинного обучения, изучение документации к задействованным в работе инструментам, проведение исследовательского анализа на возможность обобщения разработки на все лабораторные работы. Результат работы – программный комплекс, способный автоматически проверять и оценивать работы студентов.

The object of the study is real-time sign language recognition systems based on artificial intelligence. Subject of the study - methods of sign language recognition using artificial intelligence. The purpose of the work is to identify the best method for recognizing and interpreting sign language in real time in order to expand access to information for people with hearing impairments. Research methods: the research used methods of system analysis, data analysis models and machine learning algorithms, computer vision algorithms, cognitive analysis of user preferences. The result of the work is a working machine learning model capable of recognizing 10 words of Russian Sign Language (RSL) in real time with high accuracy. / Объектом исследования являются системы распознавания языков жестов в режиме реального времени, основанные на искусственном интеллекте. Предмет исследования – методы распознавания языков жестов с использованием искусственного интеллекта. Цель работы заключается в выявлении наилучшего метода распознавания и интерпретации жестового языка в режиме реального времени с целью расширения доступа к информации лиц с нарушениями слуха. Методы исследований: при проведении исследований использовались методы системного анализа, модели анализа данных и алгоритмы машинного обучения, алгоритмы компьютерного зрения, когнитивный анализ пользовательских предпочтений. Результатом работы является действующая модель машинного обучения, способная с высокой точностью распознавать 10 слов Русского жестового языка (РЖЯ) в режиме реального времени.

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.