• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • A
  • A
  • A
  • A
  • A
Обычная версия сайта
  • RU
  • EN
  • Национальный исследовательский университет «Высшая школа экономики»
  • Публикации ВШЭ
  • Глава
  • Intellectual Technologies in Digital Transformation
  • RU
  • EN
Расширенный поиск
Высшая школа экономики
Национальный исследовательский университет
Приоритетные направления
  • бизнес-информатика
  • государственное и муниципальное управление
  • гуманитарные науки
  • инженерные науки
  • компьютерно-математическое
  • математика
  • менеджмент
  • право
  • социология
  • экономика
по году
  • 2027
  • 2026
  • 2025
  • 2024
  • 2023
  • 2022
  • 2021
  • 2020
  • 2019
  • 2018
  • 2017
  • 2016
  • 2015
  • 2014
  • 2013
  • 2012
  • 2011
  • 2010
  • 2009
  • 2008
  • 2007
  • 2006
  • 2005
  • 2004
  • 2003
  • 2002
  • 2001
  • 2000
  • 1999
  • 1998
  • 1997
  • 1996
  • 1995
  • 1994
  • 1993
  • 1992
  • 1991
  • 1990
  • 1989
  • 1988
  • 1987
  • 1986
  • 1985
  • 1984
  • 1983
  • 1982
  • 1981
  • 1980
  • 1979
  • 1978
  • 1977
  • 1976
  • 1975
  • 1974
  • 1973
  • 1972
  • 1971
  • 1970
  • 1969
  • 1968
  • 1967
  • 1966
  • 1965
  • 1964
  • 1963
  • 1958
  • еще
Тематика
Новости
22 мая 2026 г.
Лаборатория живых смыслов: как проект НИУ ВШЭ и СахГУ переосмысляет труд
Проект «Зеркальные лаборатории» НИУ ВШЭ — Пермь и Сахалинского государственного университета (СахГУ) изучает, как культура, среда и технологии формируют и меняют трудовые смыслы. Исследование объединяет индивидуальный опыт, профессиональные нормы, городские проблемы, творческие практики и цифровые условия труда. Руководитель Лаборатории междисциплинарных исследований по антропологии труда НИУ ВШЭ в Перми Лилия Пантелеева рассказала о работе проекта.
21 мая 2026 г.
«Пик глупости» и «долина отчаяния»: экономисты НИУ ВШЭ предложили объяснение эффекта Даннинга - Крюгера
Эффект Даннинга — Крюгера, который описывает резкий всплеск уверенности в своих силах у новичков и такое же стремительное ее падение при наборе опыта, объясняется особенностями процесса обучения и набора новых знаний. К такому выводу пришли сотрудник факультета экономических наук НИУ ВШЭ Андрей Ворчик вместе с независимым исследователем Муратом Мамышевым. Они разработали математическую модель процесса обучения и показали, как формируется и изменяется субъективная уверенность по мере накопления знаний и как  преподаватель может уменьшить «долину отчаяния» для ученика.
20 мая 2026 г.
«Еж» против «родственника»: ученые измерили, как мозг реагирует на неожиданные слова в живой речи
Российские нейрофизиологи с участием исследователей из НИУ ВШЭ показали, что изучать восприятие живой речи можно с помощью вызванных потенциалов. Они доказали, что метод применим не только к отдельным словам, но и к непрерывной речи. Оказалось, что слова, сильно отличающиеся по смыслу от предыдущего контекста, мозг обрабатывает дольше, а служебные слова анализирует в два этапа: сначала определяет их грамматическую роль, а затем на этой основе предсказывает следующее слово. Исследование опубликовано в журнале Frontiers in Human Neuroscience.

 

Нашли опечатку?
Выделите её, нажмите Ctrl+Enter и отправьте нам уведомление. Спасибо за участие!

Публикации
  • Книги
  • Статьи
  • Главы в книгах
  • Препринты
  • Верификация публикаций
  • Расширенный поиск
  • Правила использования материалов
  • Наука в ВШЭ

?

Intellectual Technologies in Digital Transformation

P. 012016-1–012016-8.
Sakhnyuk P. A., Sakhnyuk T. I.

Искусственный интеллект и машинное обучение помогают улучшить качество обслуживания клиентов и изменить методы деятельности компаний. По этой причине предприятиям следует рассмотреть возможность интеграции этих технологий в планы цифровой трансформации, чтобы оставаться конкурентоспособными. Платформы машинного обучения с низким кодом позволяют компаниям и бизнес-профессионалам с минимальным опытом программирования создавать приложения и заполнять пробелы в персонале в своей организации. Технология автоматизированного машинного обучения (AutoML) представляет собой следующий шаг в эволюции машинного обучения, предоставляя нетехническим компаниям возможность быстро и дешево создавать приложения для машинного обучения.

Язык: английский
Полный текст
DOI
Текст на другом сайте
Ключевые слова: автоматическое машинное обучениеAutomated machine leaning

В книге

1st International Conference on Innovative Informational and Engineering Technologies (IIET-2020) 28-29 May 2020, Stavropol, Russian Federation
Сахнюк П. А. Vol. 873. , Bristol: IOP Publishing, 2020.
Похожие публикации
Обучение распознаванию эмоций посредством мобильного приложения «ТРОПЭМО»
Шадрина Е. В., Мохова В. О., Загоскин В. А. и др., Нижегородский психологический альманах 2024 № 2
В статье рассмотрена задача обучения распознаванию эмоций по фотографиям. Был осуществлен обзор и анализ отечественных и зарубежных работ ученых, занимающихся проблемой эмоционального интеллекта. Рассмотрены его формирование, влияние на деятельность человека и существующие варианты его структуры, а также выделены общие черты в понимании эмоционального интеллекта. Эмоциональный интеллект понимается как система умственных способностей, позволяющая идентифицировать, управлять своими ...
Добавлено: 9 апреля 2026 г.
Программное обеспечение для автоматизации исследований в области материаловедения
Дудников Д. О., Коннов Э. А., Огурцов Н. А., Вестник Астраханского государственного технического университета. Серия: Управление, вычислительная техника и информатика 2025 Т. 2025 № 2 С. 69–75
Представлены современные подходы к автоматизации анализа микроструктуры металлических материалов, направленные на повышение точности и эффективности исследований. Описана разработка программного обеспечения для идентификации и классификации зерен в металлах, что является ключевым аспектом в изучении их структуры и прогнозировании механических свойств. Программа включает модули для частично автоматизированной обработки изображений, анализа характеристик зерен, визуализации результатов и интеграции с ...
Добавлено: 15 мая 2025 г.
Pupillometry and autonomic nervous system responses to cognitive load and false feedback: an unsupervised machine learning approach
Evgeniia I. Alshanskaia, Portnova G., Liaukovich K. и др., Frontiers in Neuroscience 2024 Vol. 18 Article 1445697
Добавлено: 2 сентября 2024 г.
Нейросетевое обучение метрик: сравнение функций потерь
Дьяконов А. Г., Васильев Р. Л., Доклады Российской академии наук. Математика, информатика, процессы управления (ранее - Доклады Академии Наук. Математика) 2023 Т. 514 № 2 С. 60–71
Представлен обзор методов обучения метрик с помощью глубоких нейронных сетей. Эти методы появились в последние годы, но сравнивались лишь с предшественниками, используя для обучения представлений (на которых вычисляется метрика) нейронные сети устаревших на данный момент архитектур. Проведено сравнение описанных методов на разных датасетах из нескольких доменов, используя предобученные нейронные сети, сопоставимые по качеству с SotA ...
Добавлено: 18 марта 2024 г.
Прогнозирование энергопотребления на основе автоматического машинного обучения
Данилов К. В., Автоматизация. Современные технологии 2020 Т. 74 № август 2020 С. 402–407
Рассмотрена задача прогнозирования энергопотребления на основе автоматического машинного обучения. Приведена схема процесса автоматического создания и применения модели прогнозирова ния. Предлагаемый подход апробирован на основе данных о потреблении электроэнергии в регионах России. Проведённый вычислительный эксперимент показал высокую эффективность разработан ной модели. Точность прогнозирования составила 97...99 %. ...
Добавлено: 13 июня 2022 г.
Метод автоматической генерации признакового пространства в задаче прогнозирования потребления электроэнергии
Данилов К. В., Мальцева С. В., Информационные технологии 2021 Т. 27 № 10 С. 550–560
Рассмотрен метод автоматической генерации признакового пространства. Изложен алгоритм работы метода и схема построения модели прогноза. Предлагаемый подход был апробирован на данных о потреблении электроэнергии в регионах России. Результаты проведенных вычислительных экспериментов с применением изложенного метода демонстрируют повышение эффективности разработанной модели и улучшение точности прогнозирования. ...
Добавлено: 3 декабря 2021 г.
ПРОЕКТНОЕ ПРЕДЛОЖЕНИЕ: АВТОМАТИЗИРОВАННЫЙ ПОДХОД К РЕКОМЕНДАТЕЛЬНЫМ СИСТЕМАМ
Сендерович М. А., В кн.: Межвузовская научно-техническая конференция студентов, аспирантов и молодых специалистов им. Е.В. Арменского.: М.: МИЭМ НИУ ВШЭ, 2019. С. 223–224.
Данная работа посвящена актуальной теме автоматизации в машинном обучении на примере создания универсальной рекомендательной системы. В работе исследуются различные типы рекомендательных систем, акцент делается на подходы коллаборативной фильтрации. Изучаются методы автоматизации машинного обучения, на основе которых будет разработана данная рекомендательная система. ...
Добавлено: 31 октября 2020 г.
  • О ВЫШКЕ
  • Цифры и факты
  • Руководство и структура
  • Устойчивое развитие в НИУ ВШЭ
  • Преподаватели и сотрудники
  • Корпуса и общежития
  • Закупки
  • Обращения граждан в НИУ ВШЭ
  • Фонд целевого капитала
  • Противодействие коррупции
  • Сведения о доходах, расходах, об имуществе и обязательствах имущественного характера
  • Сведения об образовательной организации
  • Людям с ограниченными возможностями здоровья
  • Единая платежная страница
  • Работа в Вышке
  • ОБРАЗОВАНИЕ
  • Лицей
  • Довузовская подготовка
  • Олимпиады
  • Прием в бакалавриат
  • Вышка+
  • Прием в магистратуру
  • Аспирантура
  • Дополнительное образование
  • Центр развития карьеры
  • Бизнес-инкубатор ВШЭ
  • Образовательные партнерства
  • Обратная связь и взаимодействие с получателями услуг
  • НАУКА
  • Научные подразделения
  • Исследовательские проекты
  • Мониторинги
  • Диссертационные советы
  • Защиты диссертаций
  • Академическое развитие
  • Конкурсы и гранты
  • Внешние научно-информационные ресурсы
  • РЕСУРСЫ
  • Библиотека
  • Издательский дом ВШЭ
  • Книжный магазин «БукВышка»
  • Типография
  • Медиацентр
  • Журналы ВШЭ
  • Публикации
  • http://www.minobrnauki.gov.ru/
    Министерство науки и высшего образования РФ
  • https://edu.gov.ru/
    Министерство просвещения РФ
  • http://www.edu.ru
    Федеральный портал «Российское образование»
  • https://elearning.hse.ru/mooc
    Массовые открытые онлайн-курсы
  • НИУ ВШЭ1993–2026
  • Адреса и контакты
  • Условия использования материалов
  • Политика конфиденциальности
  • Правила применения рекомендательных технологий в НИУ ВШЭ
  • Карта сайта
Редактору