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 study presents an analytical review of existing platforms for conducting competitions in machine learning with reinforcement. The selection of technologies for development was made, the architecture of a web application for conducting competitions in machine learning with reinforcement was presented. The purpose of the work is to develop a specialized platform for conducting competitions in machine learning with reinforcement. The object of the study is platforms for conducting competitions in machine learning. The subject of the study is a specialized platform for competitions in machine learning with reinforcement, including its functional and non-functional requirements. As a result, a platform was developed that has the necessary functionality for conducting competitions in machine learning with reinforcement. / В исследовании представлен аналитический обзор существующих платформ для проведения соревнований по машинному обучению с подкреплением. Произведен подбор технологий для разработки, представлена архитектура веб-приложения для проведения соревнований по машинному обучению с подкреплением. Цель работы – разработка специализированной платформы для проведения соревнований по машинному обучению с подкреплением. Объект исследования – платформы для проведения соревнований по машинному обучению. Предметом исследования является специализированная платформа для соревнований по машинному обучению с подкреплением, включая её функциональные и нефункциональные требования. В результате разработана платформа, имеющая необходимый функционал для проведения соревнований по машинному обучению с подкреплением.

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.

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.

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.