Статья посвящена моделированию и анализу динамики показателей животноводства в странах Евразийского экономического союза и Узбекистане на основе официальных статистических данных публикаций Евразийской экономической комиссии и материалов Национального комитета Республики Узбекистан по статистике. Цель работы заключается в выявлении общих и специфических тенденций в развитии отрасли, а также в формировании краткосрочных прогнозов по ключевым показателям животноводства. Методы исследования включали регрессионные модели (линейная, квадратичная, кубическая, экспоненциальная и гиперболическая), для оценки которых рассчитаны коэффициенты детерминации и аппроксимации. В результате по ряду стран построены модели временных рядов для прогнозирования значений на 2024 г. Работа содержит сравнительный анализ полученных моделей по странам и показателям, включая численность поголовья, продуктивность и объемы производства. Полученные результаты позволяют выявить как положительные, так и отрицательные динамики в развитии животноводства, что имеет прикладное значение для органов государственной власти, ответственных за реализацию агропродовольственной политики. Сделанные прогнозы могут быть полезны для обоснования мер поддержки отрасли и долгосрочного планирования. Статья ориентирована на специалистов в области аграрной экономики, прикладной статистики и государственного управления
В статье раскрываются теоретические и прикладные аспекты информационно-аналитической поддержки управления приемной кампанией вуза в условиях цифровой трансформации. Особое внимание уделено возможностям применения интеллектуальных технологий для повышения управляемости процессов набора. Описана модель прогнозирования вероятности зачисления на основе нейросетевых алгоритмов, а также ее архитектурные и интеграционные решения. Представлены ограничения предложенного подхода. Обоснована актуальность использования подобных инструментов для повышения прозрачности и эффективности образовательного менеджмента. В результате эффективность модели подтверждена высокими значениями точности классификации и ROC-AUC, что демонстрирует ее прикладной потенциал в рамках реальных приемных кампаний
В статье проверяется гипотеза о том, что комбинирование методов фрактального анализа и прогнозирования доходностей акций при помощи LSTM-нейронной сети при формировании инвестиционного портфеля позволяет улучшать его характеристики (соотношение доходности и риска) по сравнению с классическим методом Марковица и фондовым индексом. Исследование проводилось в несколько этапов: отбор активов для включения в портфель; получение прогнозов доходностей активов при помощи LSTM-сетей; формирование оптимального портфеля путем максимизации коэффициента Шарпа; сокращение числа активов в портфеле при помощи фрактального анализа; сравнение полученных портфелей с бенчмарками. В результате выявлено, что наилучшими характеристиками обладает комбинированный портфель, сформированный на базе LSTM-прогнозов и фрактального анализа, что подтверждает гипотезу исследования. Параметры LSTM-портфелей оказались лучше, чем параметры портфелей Марковица из тех же активов. Научная новизна работы состоит в том, что впервые для формирования портфеля применена комбинация нейросетевого прогнозирования и методов фрактального анализа
Статья посвящена сравнительному анализу трех ключевых парадигм машинного обучения (МО): обучение с учителем, обучение без учителя, обучение с подкреплением – наряду с оценкой популярных фреймворков МО, таких как TensorFlow, PyTorch и Scikit-learn. В исследовании были изучены основные различия, преимущества и ограничения подходов МО, особое внимание уделялось таким факторам, как: вычислительные затраты, масштабируемость и простота реализации. Рассмотрены аспекты интерпретируемости моделей МО и проанализированы вычислительные ресурсы, необходимые для их работы, включая нагрузку на центральный процессор и оперативную память. Результаты дают необходимую информацию о том, как различные методологии и технологии МО формируют реальные приложения и влияют на практическое принятие решений в системах, управляемых искусственным интеллектом.
Статья посвящена анализу текущего состояния цифровых технологий и перспектив их внедрения в экономику Узбекистана для мониторинга потребительских цен в стране. В рамках исследования освещаются основные проблемы, которые связаны с использованием цифровых технологий для мониторинга потребительских цен, а также предлагаются пути их решения. Информационную базу работы составили научные публикации и аналитические материалы, нормативно-правовые документы Узбекистана. Особое внимание уделяется анализу влияния цифровизации на мониторинг инфляционных процессов, в том числе методам обеспечения интеграции данных, повышения прозрачности и эффективности управления. В результате представлены рекомендации по развитию цифровой инфраструктуры, которые включают повышение квалификации кадров, усиление кибербезопасности и увеличение доступности цифровых платформ для населения. Сделан вывод о значимости цифровых технологий как фактора обеспечения устойчивого экономического роста и стабильности цен.
Исследование посвящено моделированию проектной деятельности digital-агентства с целью повышения эффективности его бизнес-процессов. В соответствии с методологией моделирования была разработана многоуровневая модель бизнес-процессов с использованием нотаций IDEF0 и BPMN в специализированной программной среде Business Studio. Оценка и анализ модели текущей деятельности, проведенные с помощью SWOT-анализа, методов визуализации и выявления проблем, определили основные недостатки и потенциальные возможности бизнес-процессов. Реорганизация бизнес-процессов, заложенная в целевой модели, позволяет значительно сократить время разработки рекламных проектов для клиентов digital-агентства. Использование централизованного хранилища данных в системе учета проектов устраняет избыточность информации, уменьшает время на ввод и обработку данных, минимизирует вероятность возникновения ошибок. Предложенные оптимизационные мероприятия не требуют больших финансовых затрат и радикальных изменений в структуре агентства и бизнес-процессах.
В условиях дефицитного рынка труда многие российские компании в последние несколько лет стали уделять повышенное внимание процессам подбора персонала. Одним из способов повышения эффективности процессов подбора является автоматизация за счет использования современного программного обеспечения. Статья посвящена разработке модели и методики оценки экономического эффекта автоматизации процесса подбора персонала. Модель оценки экономического эффекта разработана в Excel, методика включает в себя 9 этапов и описывает последовательность шагов, необходимых для оценки экономического эффекта. Предложенная модель и методика оценки экономического эффекта могут представлять интерес как для специалистов и руководителей HR подразделений, так и для разработчиков программного обеспечения при проведении переговоров с потенциальными заказчиками.
В условиях стремительного роста объемов научной информации возникает необходимость в автоматизированных методах анализа, способных выявлять наиболее перспективные направления исследований. Актуальность этой задачи обусловлена невозможностью вручную обработать огромные массивы данных и необходимостью оперативного стратегического планирования научной деятельности. Целью исследования является разработка и апробация конвейера обработки данных научных публикаций, который позволит систематизировать большие объемы информации и обеспечивать поддержку принятия решений в научных организациях. Для реализации конвейера используется платформа Lens. org, предоставляющая доступ к обширным базам данных научных публикаций. Сбор информации с последующей предобработкой включает удаление дубликатов, токенизацию, лемматизацию и векторизацию текстов. Для выделения скрытых тем применяется метод тематического моделирования (LDA). Дополнительно проводится анализ цитируемости и графовый анализ взаимосвязей между публикациями. Особое внимание уделено разработке новой метрики – «индекс приоритетности», которая комбинирует показатели цитируемости, тематической релевантности и временного тренда публикаций. Апробация конвейера на выборке, состоящей из более чем 50 тыс. публикаций за 2014–2024 гг., продемонстрировала высокую точность и эффективность предложенного метода. Полученные результаты позволили выделить ключевые направления исследований, такие как искусственный интеллект, обработка больших данных и распределенные энергетические системы, а также проследить динамику их развития.
В статье актуализируется значимость многокритериальной диагностики результатов цифровой трансформации организаций. Целью исследования является разработка методического подхода к оценке эффективности цифровизации предприятия на основе многопараметрических данных и построения интегральной функции желательности Харрингтона. В качестве индикаторов цифровой эффективности рекомендуется рассматривать три группы показателей: экономические, социальные и технические. Методическим базисом исследования является экспоненциальное преобразование частных метрик эффективности и последующий расчет обобщенного индекса желательности Харрингтона. Предложенная методика является универсальным аналитическим инструментом и может быть применена для экспертизы цифровых проектов в различных отраслях экономики. Апробация методики представлена на примере цифрового проекта локомотиворемонтного предприятия, в результате оценки проект признан экономически и технически эффективным (на среднем уровне по шкале желательности). Расчеты показали более высокую степень технической эффективности по сравнению с экономическими и социальными эффектами. Научная новизна работы состоит в систематизации показателей «цифровой» эффективности, а также в расширении области применения функции желательности как обобщенного параметра оценки цифровых проектов, что вносит вклад в развитие научно-практических аспектов экономического анализа.