В работе изучается основная теория и метод преподавания русского языка как иностранного. Описала сознательно-практического метода обучения,сознательно-сопоставительного метод обучения при формировании умений чтения на занятиях РКИ в китайской аудитории; систему работы по обучению чтению в китайской аудитории.Предложен метод интенсивного обучения чтению китайских студентов на русском языке. / The work studies the basic theory and method of teaching Russian as a foreign language. Described the conscious and practical method of teaching; the conscious and comparative method of teaching in the formation of reading skills in Russian as foreign classes in the Chinese audience; the system of work on teaching reading in the Chinese audience.A method of intensive teaching to read Chinese students in Russian is proposed.

Актуальность работы состоит в необходимости персонального онлайн обучения, включая высокое качество передачи знаний одновременно с автоматизацией и уменьшением затрат со стороны модераторов курса. Невозможность существующих систем обеспечить этим многих пользователей ведет к поиску новых подходов. Научная новизна основана на внедрении технологии интеллектуального чат бота с функциями обработки естественного языка в среду обучения и новом подходе к выполнению заданий, исключающем лимиты времени и количества попыток проверить ответ, а также декомпозиция сложных задач на шаги. Это позволит ученикам достичь правильный ответ самостоятельно, тем самым повышая вовлечение и мотивацию понять трудную тему. Работа содержит следующие стадии: литературный анализ, моделирование, проектирование, реализация, результаты и прогноз. Благодаря предложенному решению больше пользователей получат возможность внедрить приложение и распространить знания с улучшенной средой онлайн обучения. Студенты смогут иметь поддержку в течение всего образовательного процесса в любое время, а их прогресс будет обеспечен анализом данных и методами машинного обучения. / The relevance of the work is grounded by the necessity of the personalized online learning, including the high-quality education providing with better automation and less efforts from moderators` side. Inability of the current systems to open these opportunities for many users leads to the exploration of new approaches. The scientific novelty is based on the embedment of the intellectual chatbot technology with Natural Language Processing features into the learning environment and the new approach of the assignments` accomplishment, which inferences the elimination of the time and attempt limits as well as complex tasks on steps segmentation. It gives the possibility for learners to reach the correct answer in more independent way, thereby increasing the engagement and motivation to perceive the difficult topics. The work contains stages: Literature analysis, Modeling, Designing, Implementation, Results and Forecast. Due to the solution more users are able to employ the application and distribute the knowledge with improved eLearning environment. The students get the opportunity to have the support during the educational process any time and their progress is maintained by the data analysis and advanced technologies.

Магистерская диссертация состоит из введения, двух глав, заключения, библиографического списка, приложений. В теоретической части рассмотрены теоретические аспекты внутрифирменное обучение сотрудников, теория и практика осуществления в сфере оказания услуг, разработана модель оптимизации внутрифирменного обучения современной организации .В практической части даются общая характеристика исследуемого предприятия, анализ его кадрового состава, системы управления персоналом и основных составляющих модели оптимизации внутрифирменного обучения линейных сотрудников. На основе полученных данных разработаны рекомендации по совершенствованию текущей модели внутрифирменного обучения сотрудников. 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. In the theoretical part, the theoretical aspects of in-house training of employees, the theory and practice of implementation in the field of service provision are considered, a model for optimizing in-house training of a modern organization is developed. In the practical part, a general description of the enterprise under study, an analysis of its personnel, personnel management system and the main components of the model for optimizing the internal training of line employees are given. Based on the data obtained, recommendations were developed to improve the current model of in-house employee training. In conclusion, the results are summarized in accordance with the tasks set.

Объект исследования: является процесс обучения MLOps. Цель работы: состоит в создании учебно-практического комплекса для дисциплины «Автоматизация машинного обучения» для обучения студентов основным инструментам и технологиям автоматизации машинного обучения с возможностью дальнейшего применения полученных знаний в профессиональной деятельности. Для достижения поставленной цели необходимо решить следующие задачи. Методы исследования включают в себя: Анализ методических документов, сравнение используемых технологий, систематизацию и обобщение данных о существующих онлайн-курсах по дисциплине «Автоматизация машинного обучения»; Анализ современных программных инструментов, позволяющих выполнить и ускорить процесс автоматизации машинного обучения. / Object of study: is the MLOps learning process. The purpose of the work: is to create an educational and practical complex for the discipline “Automation of Machine Learning” to teach students the basic tools and technologies of machine learning automation with the possibility of further application of the acquired knowledge in professional activities. To achieve this goal, it is necessary to solve the following tasks. Research methods include: Analysis of methodological documents, comparison of the technologies used, systematization and synthesis of data on existing online courses in the discipline “Automation of Machine Learning”; Analysis of modern software tools that allow you to perform and speed up the process of automating machine learning.

В диссертации были изучены особенности использования методов машинного обучения в сфере страхования. Рассмотрены возможности архитектурного подхода в разработке модели машинного обучения. Осуществлен анализ тенденций цифровой трансформации сферы страхования. Осуществлена оценка результативности использования машинного обучения в страховании. Построена полная модель архитектуры ПАО СК «Росгосстрах». Разработана аналитическая модель машинного обучения в сфере тарификации страховой компании. На основе процессного подхода детально рассмотрены все фазы проекта по внедрению модели машинного обучения в деятельность страховой компании. Разработана и реализована имитационная модель управления проектом разработки и внедрения модели машинного обучения в деятельность страховой компании на основе различных сценарием. / The dissertation studied the features of using machine learning methods in the field of insurance. The possibilities of the architectural approach in the development of a machine learning model are considered. The analysis of trends in the digital transformation of the insurance industry has been carried out. The effectiveness of the use of machine learning in insurance has been evaluated. A complete model of the architecture of PJSC IC Rosgosstrakh was built. An analytical model of machine learning in the field of tariffing of an insurance company has been developed. Based on the process approach, all phases of the project to introduce a machine learning model into the activities of an insurance company are considered in detail. A simulation model for project management for the development and implementation of a machine learning model in the activities of an insurance company has been developed and implemented based on various scenarios.

Система обучения является важным компонентом управления человеческими ресурсами с целью создания платформы управления человеческими ресурсами для долгосрочного развития компании, формирования талантливой команды, постоянного повышения эффективности работы компании и сотрудников, а также содействия достижению стратегические цели компании. Изучая курсы, связанные с человеческими ресурсами, автор выбрал подходящую компанию, чтобы проанализировать проблемы в системе обучения компании и предложить соответствующие предложения по улучшению. X Company — это компания-посредник в сфере недвижимости, имеющая опыт работы на государственных предприятиях и обладающая богатыми социальными ресурсами, но ее доля на рынке относительно невелика. Существует значительный разрыв между текущей ситуацией и стратегическими целями, и компании необходимо срочно повысить свою основную конкурентоспособность, чтобы адаптироваться к потребностям стратегических открытий. Интеграция различных ресурсов для повышения основной конкурентоспособности, наиболее важными являются человеческие ресурсы. Поэтому развитие и культивирование талантов имеет особое значение. Однако обучение в компании X находится на ранней стадии, и система обучения не является надежной и имеет множество проблем. Поэтому создание стратегически ориентированной системы подготовки кадров имеет большое практическое значение для достижения стратегических целей предприятия и долгосрочного развития. / The training system is an important component of human resource management, with the aim of building a human resource management platform for the company's long-term development, building a talent team, continuously improving the performance of the company and employees, and promoting the achievement of the company's strategic goals. Through studying courses related to human resources, the author chose a suitable company to analyze the problems in the training system of the company and propose relevant improvement suggestions. X Company is a real estate intermediary company with a background in state-owned enterprises, with abundant social resources, but its market share is relatively small. According to the company's five-year development strategic plan, we aim to become the most competitive real estate agency in South China and plan to achieve an overall listing within 5 years. There is a significant gap between the current situation and strategic goals, and the company urgently needs to enhance its core competitiveness to adapt to the needs of strategic discovery. Integrating various resources to enhance core competitiveness, the most important is human resources. Therefore, the development and cultivation of talents is particularly important. However, X Company's training is in its early stages and the training system is not sound, with many problems. Therefore, establishing a strategic oriented human resource training system is of great practical significance for the achievement of enterprise strategic goals and long-term development.

Цель работы – анализ средств для интерпретирования моделей машинного обучения и их практического применения для интерпретирования результатов моделей машинного обучения при анализе табличных данных. Объект исследования – средства для интерпретирования моделей машинного обучения. Методы исследования: теоретический анализ литературы по теме исследования, изучение документации библиотек машинного обучения, классификация исследуемых методов, экспериментальный включающий проведение исследовательского анализа данных, обучение моделей машинного обучения и применение интерпретирования, обобщение полученных данных и их сравнение. Результаты работы: подготовлен обзор и практическое руководство по интерпретации результатов машинного обучения для табличных данных. Выпускная квалификационная работа выполнена в текстовом редакторе Microsoft Word и представлена в твердой копии. / The purpose of the work is to analyze tools for interpreting machine learning models and their practical application for interpreting the results of machine learning models when analyzing tabular data. The object of study is tools for interpreting machine learning models. Research methods: theoretical analysis of literature on the research topic, study of documentation of machine learning libraries, classification of methods being studied, experimental, including conducting exploratory data analysis, training machine learning models and applying interpretation, summarizing the data obtained and comparison. their. Results of the work: a review and practical guidance on interpreting the results of machine learning of tabular data has been prepared. The final qualifying work was completed in the text editor Microsoft Word and presented on paper.

Актуальность и важность исследования автоматизированной системы распознавания эмоций по лицу человека с использованием глубоко разделяемой сверточной нейронной сети во многом определяются использованием преимуществ методов глубокого обучения. Таким образом, для модели с хорошей точностью настройка гиперпараметров является важным аспектом процесса глубокого обучения, а оптимизация поможет в разработке хорошего распознавания эмоций по лицу. Целью диссертации является разработка модели глубокого обучения для распознавания эмоций по лицу с использованием алгоритма сверточной нейронной сети и многоклассовой классификации, а также настройки гиперпараметров с использованием оптимизации ускоренного градиента Нестерова (NAG) для повышения производительности модели глубокого обучения. Целью данной работы является проведение экспериментальных исследований по разработке модели глубокого обучения для определения эмоций человеческого лица на основе черт лица с использованием TensorFlow. Предметом является применение методов машинного обучения для анализа автоматизированной системы распознавания эмоций по лицу человека с использованием DS-CNN. Научная новизна предлагаемой работы заключается в создании нового набора данных по эмоциям лица, который доступен на сайте Kaggle. Во-вторых, для увеличения нелинейности использовались слои глубинной свертки, точечной свертки и глобального среднего пула. И, наконец, алгоритм оптимизации ускоренного градиента Нестерова (NAG) использовался для ускорения обучения и улучшения скорости сходимости. Практическая значимость работы заключается в том, что эта работа позволяет нам разработать модель глубокого обучения с использованием сверточной нейронной сети вместе с многоклассовой классификацией и предлагаемым набором данных, где данные будут предварительно обработаны, а модель DL будет обучена с помощью набора поездов и проверено с помощью тестового набора. Разработанная методология распознает четыре основные эмоции в изображениях людей, такие как счастье, удивление, нейтральность и злость, используя наш предлагаемый набор данных, где эксперимент будет проводиться с предлагаемым набором данных, который доступен на веб-сайте Kaggle. А данные будут оцениваться с помощью статистического анализа с помощью корреляции. Размеченные данные будут предварительно обработаны, а набор данных будет разделен на 3 пары обучающих, проверочных и тестовых наборов различного размера. Модель глубокого обучения будет обучаться с каждым обучающим набором, чтобы найти правильный обучающий размер набора данных, обеспечивающий максимальную точность обучения. Модель глубокого обучения будет проверена с помощью тестового набора для определения наилучшей точности теста, а полученные результаты эксперимента будут проанализированы. / The relevance and importance of the study of automated human facial emotion recognition system using Depthwise Separable Convolutional Neural Network are largely determined by utilizing the benefits of deep learning techniques. So, for a good accuracy model, hyper parameter tuning is an essential aspect of the deep learning process and Optimization will help in developing a good facial emotion recognition. The aim of the thesis is to develop a deep learning model for facial emotion recognition using Convolutional Neural Network algorithm and Multiclass Classification along with Hyper-parameter tuning using Nesterov’s Accelerated Gradient (NAG) Optimization to improve the performance of the deep learning model. The objective of this work is to deal with experimental research to develop a deep learning model to identify the emotion of a human face based on facial features using TensorFlow. The subject is the application of machine learning methods to analyze the automated human facial emotion recognition system using DS-CNN. The scientific novelty of the proposed work is the creation of a new facial emotion dataset which is available on the Kaggle website. Secondly, Depthwise convolutional, pointwise convolutional, and global average pooling layers have been used to increase the nonlinearity. And finally, the Nesterov’s Accelerated Gradient (NAG) optimization algorithm has been used to speed up the training and improve the convergence rate. The practical significance of the work lies in the fact that this work allows us to develop a deep learning model using convolutional neural network along with multiclass classification and proposed dataset where the data will be preprocessed and the DL model will be trained with the train set and validated with the test set. The developed methodology recognizes four basic emotions in images of human beings such as happy, surprise, neutral, and angry using our proposed dataset where experiment will be performed on the proposed dataset which is available on Kaggle website. And the data will be evaluated using statistical analysis with the help of correlation. The labeled data will be pre-processed and the dataset will be split into 3 pairs of training, validation and testing sets of varying sizes. The deep learning model will be trained with each training set to find the proper training size of the dataset which gives highest training accuracy. The deep learning model will be validated with the test set to find the best test accuracy and the obtained results of the experiment will be analyzed.

No description available.

Выпускная квалификационная работа состоит из введения, двух частей, заключения, библиографического списка, приложений. В теоретической части дана характеристика терминам, значимым для осмысления темы исследования, проведен обзор и анализ текущей практики оценки эффективности обучения, а также приведены модели оценки эффективности обучения персонала и анализ возможностей их применения в ходе оценки обучения, прошедшего в условиях цифровизации. В практической части дана характеристика организации-базы проведения исследования, проведено исследование системы обучения персонала в исследуемой организации, выведена и апробирована комплексная модель оценки эффективности обучения персонала, созданная на базе известных моделей оценки эффективности обучения персонала. В заключении подведены итоги в соответствии с поставленными задачами. / The final qualifying work consists of an introduction, two main parts, a conclusion, a reference list and applications. The theoretical part gives the characteristic of terms significant for understanding the study, provides a review and analysis of the current practice of evaluating the effectiveness of personnel training. It presents models for assessment the efficiency of personnel training and it gives an analysis of the possibilities of their application during the evaluation of training that took place in the conditions of digitalization. The practical part gives the characteristics of the organization under the research. The study of the personnel training system is conducted in the organization, a comprehensive model for evaluating the effectiveness of personnel training is derived and tested, created on the basis of well-known models for evaluating the effectiveness of personnel training. The conclusion summarizes the results in accordance with the tasks set.