Магистерская диссертация состоит из введения, двух глав, заключения, библиографического списка, приложений. В теоретической части представлены основные понятия, цели формирования системы обучения персонала, современные подходы к ее формированию, этапы проведения, и методы. В практической части описывается общая характеристика исследуемого предприятия, анализ кадрового состава, проведен анализ существующих мероприятий по обучению персонала на примере рекламного агентства «WFY». На основе полученных данных разработаны предложения по внедрению системы обучения персонала. В заключении подведены итоги в соответствии с поставленными задачами. / The master's thesis consists of an introduction, two chapters, a conclusion, a bibliographic list, and appendices. The theoretical part presents the basic concepts, objectives of the formation of the personnel training system, modern approaches to its formation, stages of implementation, and methods. The practical part describes the general characteristics of the enterprise under study, the analysis of personnel, the analysis of existing personnel training activities on the example of the advertising agency "WFY". Based on the data obtained, proposals have been developed for the implementation of a personnel training system. In conclusion, the results are summed up in accordance with the tasks set.

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.

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.

Объект исследования: технологический процесс для решения задачи по долговременному предсказанию температуры воздуха. Предмет исследования: методы и алгоритмы автоматического построения прогноза температуры воздуха, поиск закономерностей. Цель работы: исследование эффективности моделей для предсказания температуры воздуха. В процессе исследования проводились: рассмотрение основных подходов построения моделей по краткосрочному и долгосрочному предсказанию температуры воздуха, настройка и реализация моделей для предсказания изменения температуры воздуха. В работе продемонстрирована эффективность подхода использования машинного обучения в построении моделей для предсказания температуры воздуха. Область практического применения: предложенный подход поможет таким сферам, как: сельское хозяйство, энергетика, строительство, транспорт, торговля и др. Снизит затраты на подготовку к сезонным мероприятиям и поможет точнее планировать финансовые потоки. / Object of the study: technological process for solving the problem of long-term air temperature prediction. Subject of the study: methods and algorithms for automatic construction of air temperature forecast, search for patterns. Objective of the work: study of the effectiveness of models for predicting air temperature. The study included: consideration of the main approaches to constructing models for short-term and long-term prediction of air temperature, setting up and implementing models for predicting changes in air temperature. The work demonstrates the effectiveness of the approach to using machine learning in constructing models for predicting air temperature. Area of practical application: the proposed approach will help such areas as: agriculture, energy, construction, transport, trade, etc. It will reduce the costs of preparing for seasonal events and help to more accurately plan financial flows.

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.