Машинное обучение как современный подход к анализу данных
https://doi.org/10.21869/2223-1552-2022-12-2-64-73
Аннотация
Актуальность. С учетом повсеместной цифровизации и автоматизации производственных процессов информационные технологии в современном обществе приобретают все большее значение. Методы и способы, применяемые ранее, становятся непригодными в нынешних условиях развития экономики. На этом фоне особую значимость приобретает машинное обучение, призванное быстрее и результативнее человека анализировать информацию. Машинное обучение — это развивающаяся область вычислительных алгоритмов, предназначенная для имитации человеческого интеллекта и выявления закономерностей в данных. На сегодняшний день это одна из самых быстрорастущих технических областей, лежащая на стыке информатики, статистики и бизнеса. Машинное обучение уже эффективно применяется для решения различных аналитических и оптимизационных задач.
Цель статьи заключается в изучении машинного обучения с теоретической точки зрения и оценке эффекта от его применения.
Задачи: изучить феномен "Big Data" как толчок к использованию машинного обучения; рассмотреть историю зарождения машинного обучения; дать трактовку данного понятия; описать основные принципы работы машинного обучения; оценить интерес к данной сфере; изучить конкретные кейсы успешного внедрения машинного обучения.
Методология. В ходе научного исследования использовались эмпирические, теоретические, статистические методы и методы графического представления.
Результаты. Были исследованы теоретические аспекты машинного обучения, изучены показатели популярности данной темы как в научной сфере, так и в бизнесе. Показаны примеры положительного эффекта от применения машинного обучения.
Выводы. В работе подчеркивается важность рассматриваемой темы с учетом последних тенденций, обосновывается выгода использования современных способов анализа.
Об авторах
О. А. ПолищукРоссия
Полищук Ольга Александровна - кандидат экономических наук, доцент кафедры экономики, управления и аудита,
ул. 50 лет Октября 94, г. Курск 305040
А. Д. Мартыничева
Россия
Мартыничева Анастасия Денисовна - студент,
ул. 50 лет Октября 94, г. Курск 305040
П. Д. Егоров
Россия
Егоров Павел Денисович - студент,
Покровский бульвар 11, г. Москва 109028
Список литературы
1. Корнев М. С. История понятия "большие данные" (Big Data): словари, научная и деловая периодика // Вестник РГГУ. Серия: Литературоведение. Языкознание. Культурология. 2018. № 1 (34). С. 81–85.
2. Уварова С. А. Перспективы развития технологии Big Data в России // Academy. 2017. № 10 (25). С. 39–41.
3. Майер-Шенбергер В., Кукьер К. Большие данные. Революция, которая изменит то, как мы живем, работаем и мыслим / пер. с англ. Инны Гайдюк. М.: Манн, Иванов и Фербер, 2014. 240 с.
4. Большие данные (Big Data) мировой рынок // TADVISER. Государство. Бизнес. ИТ. 2020. URL: https://www.tadviser.ru/a/129607 (дата обращения: 20.02.2021).
5. Рожкова М. А., Глонина В. Н. Персональные и неперсональные данные в составе больших данных // Право цифровой экономики-2020. М.: Статус, 2020. С. 271–296.
6. Хенрик Б., Джозеф Р., Марк Ф. Машинное обучение / пер. с англ. И. Рузмайкиной. СПб.: Питер, 2017. 336 с.
7. Flach P. Machine learning: The art and science of algorithms that make sense of data. Cambridge: Cambridge University Press, 2012. 409 p.
8. Николенко С., Кадурин А., Архангельская Е. Глубокое обучение. Погружение в мир нейронных сетей. СПб.: Питер, 2020. 480 с.
9. Кацов И. Машинное обучение для бизнеса и маркетинга. СПб.: Питер, 2019. 512 с.
10. Sutton R. S., Barto R. S. Reinforcement learning: an introduction. Cambridge: MIT Press, 1998. 352 p.
11. Кораблев А. Ю., Булатов Р. Б. Машинное обучение в бизнесе // АНИ: экономика и управление. 2018. № 2(23). С. 68–72.
12. Scopus: официальный сайт. URL: https://www-scopus-com.proxylibrary.hse.ru/search/form.uri?display=basic&zone=header&origin=#basic (дата обращения: 23.11.2021).
13. Kaggle: официальный сайт. URL: https://www.kaggle.com/ (дата обращения: 25.02.2022).
14. Билык К. Н. VK запустила программу оплачиваемой стажировки по 30 IT-направлениям // RB.RU: Медиа про бизнес и технологии. 2022. URL: https://rb.ru/young/vk-stazhirovka-za-dengi/ (дата обращения: 26.02.2022).
15. Научная премия Яндекса: офиц. сайт. URL: https://yandex.ru/scholarships (дата обращения: 26.02.2022).
16. AI Russia Works: Библиотека AI-кейсов с доказанной бизнес-эффективностью: официальный сайт. URL: https://ai-russia.ru/library (дата обращения: 20.01.2022).
17. Isinkaye F. O., Folajimi Y. O., Ojokoh B. A. Recommendation systems: Principles, methods and evaluation // Egyptian informatics journal. 2015. Vol. 16, no. 3. P. 261‒273.
18. Yu A. How Netflix uses ai, data science, and machine learning ‒ from a product perspective // Medium. 2019. URL: https://becominghuman.ai/how-netflix-uses-ai-and-machine-learninga087614630fe (дата обращения: 20.02.2022).
19. Gomez-Uribe C. A., Hunt N. The netflix recommender system: Algorithms, business value, and innovation // ACM Transactions on Management Information Systems (TMIS). 2015. Vol. 6, no. 4. P. 1‒19.
20. Shipment volume forecasts powered by AI at senko group // H2O.ai: офиц. сайт. 2020. URL: https://www.h2o.ai/case-studies/shipment-volume-forecasts-powered-by-ai-at-senko-group/ (дата обращения: 20.02.2022).
21. Бегишев И. Р., Хисамова З. И. Искусственный интеллект и робототехника: глоссарий понятий. М.: Проспект, 2021. 64 с.
22. Грачева Н. А., Полищук О. А. Методические подходы к оценке и управлению стоимостью компаний с позиции риск-менеджмента и оптимизации бизнес-процессов // Вестник Самарского государственного экономического университета. 2012. № 9 (95). С. 18‒25.
23. Полищук О. А., Грачева Н. А. Аналитическое обеспечение стратегического управления производственной организации: монография. Курск: ЗАО «Университетская книга», 2019. 137 с.
Рецензия
Для цитирования:
Полищук О.А., Мартыничева А.Д., Егоров П.Д. Машинное обучение как современный подход к анализу данных. Известия Юго-Западного государственного университета. Серия: Экономика. Социология. Менеджмент. 2022;12(2):64-73. https://doi.org/10.21869/2223-1552-2022-12-2-64-73
For citation:
Polishchuk O.A., Martynicheva A.D., Egorov P.D. Machine Learning as a Modern Approach to Data Analysis. Proceedings of the Southwest State University. Series: Economics. Sociology. Management. 2022;12(2):64-73. (In Russ.) https://doi.org/10.21869/2223-1552-2022-12-2-64-73