Банковская сфера - одна из самых быстроразвивающихся отраслей финансового рынка. Банки регулярно внедряют в бизнес-процессы новейшие технологии, которые меняют облик всей экономики. Целью данного исследования стало выявление ключевых направлений внедрения искусственного интеллекта в банковской сфере, определение его преимуществ и потенциальных рисков. В статье представлены области использования искусственного интеллекта, включая обслуживание клиентов, управление финансовыми рисками, обнаружение мошенничества и соблюдение нормативных требований. Особое внимание уделено влиянию искусственного интеллекта на автоматизацию процессов, персонализацию услуг и повышение операционной эффективности. Методологическая основа исследования включает анализ научных источников, сравнительный метод и обобщение практических примеров. В ходе исследования установлено, что использование искусственного интеллекта позволяет снизить операционные издержки, повысить точность прогнозирования и сократить финансовые риски. Результаты анализа демонстрируют, что потенциал искусственного интеллекта в банковском секторе высок, однако его успешное внедрение требует комплексного подхода, включающего технологическую трансформацию, совершенствование нормативного регулирования и решение некоторых этических вопросов. В заключение подчеркивается необходимость баланса между технологическими инновациями и ответственным использованием искусственного интеллекта для достижения максимальной эффективности банковских процессов.
В современных условиях высока значимость отечественных компаний, в которых так нуждается государство на данный момент. Компании заинтересованы оптимизировать свои затраты, от которых зависит получение максимальной прибыли, любыми возможными способами и методами. Таким образом, актуальность выбранной темы заключается в том, что все организации заинтересованы оптимизировать затраты, потому что они оказывают колоссальное влияние на получение максимальной прибыли. Целью работы является усовершенствование бизнес-процесса путем оптимизации затрат компании. При исследовании вопросов по оптимизации бизнес-процесса использовались общенаучные методы, такие как системный анализ, исторический и логический методы познания. Исследование основано также на требовании конкретности и полноты познания, единства анализа и синтеза, с использованием таких методов, как дедукция, обобщение, наблюдение, моделирование. Рассматриваются основные бизнес-процессы, связанные с бухгалтерской деятельностью в области учета основных средств. Выявлена проблема в области автоматизированного учета основных средств и запасных частей, связанная с процессом модернизации. Авторами предлагается усовершенствовать бизнес-процесс модернизации основных средств, в связи с чем данный бизнес-процесс будет полностью автоматизированным, что обеспечит оприходование изъятых из основного средства запасных частей в бизнес-процессе. Значимость результатов проведенного исследования заключается в том, что реализация предложений приведет к оптимизации бизнес-процесса, в результате чего произойдет существенная минимизация затрат рабочего времени сотрудников и, соответственно, денежных расходов, повысятся эффективность и производительность компании.
В условиях автоматизированного производства одной из ключевых задач является прогнозирование износа режущего инструмента при фрезеровании, поскольку своевременная замена инструмента позволяет повысить качество обработки, сократить простои оборудования и минимизировать затраты. В статье рассматриваются теоретические аспекты прогнозирования износа, анализируются современные алгоритмы машинного обучения (регрессионные модели, деревья решений, нейронные сети) и источники данных (вибрация, температура, сила резания и др.). Обосновывается необходимость внедрения интеллектуальных систем мониторинга, позволяющих на основе анализа данных предсказывать степень износа инструмента. Полученные результаты могут служить основой для создания практических решений по интеграции машинного обучения в системы управления фрезерованием.
Одним из наиболее проработанных и простых в использовании направлений генеративных моделей с точки зрения оперирования функциональностью для конечных пользователей являются большие языковые модели, позволяющие выполнять различные операции с текстовыми данными. Поскольку современная цифровая картография максимально быстро включает в свой инструментарий последние достижения в области информационных технологий, представляется актуальным рассмотреть основные сферы использования больших языковых моделей применительно к типовым задачам обработки пространственных данных в виде описания сводных показателей атрибутивных значений, формирования элементов географического описания, получения последовательностей выполнения определенных задач в геоинформационных системах, построения запросов к данным на языке SQL, написания фрагментов программного кода отдельных скриптов и модулей для ГИС, генерации картографических изображений по описанию. На основе результатов проведенных экспериментов сделан вывод о том, что большинство перечисленных базовых задач хорошо автоматизируются с помощью больших языковых моделей, но с учетом необходимости проверки и корректировки результатов специалистами в области картографии и геоинформатики.
Статья посвящена разработке программного модуля для автоматизированного подбора комплекса физических упражнений на основе индивидуальных особенностей и предпочтений пользователя. Обосновывается актуальность проблемы «сидячего» образа жизни и нехватки физической активности для здоровья человека. В статье рассматриваются преимущества использования программного модуля по сравнению с традиционными методами тренировок, такие как персонализация, доступность, отслеживание прогресса и экономия времени. Программный модуль предоставляет инструкции, демонстрации упражнений, мотивацию и широкий выбор программ тренировок. Разработанный алгоритм работы модуля представлен в статье, подчеркивая его значимость для улучшения здоровья и физической формы пользователей.
Работа посвящена разработке программного комплекса для реализации промышленной технологии селективного лазерного сплавления. Разработанный программный комплекс позволяет решать задачи организации эффективного производственного цикла исследования и изготовления технически сложных изделий аэрокосмической, медицинской и машиностроительной отраслей промышленности, производство которых требует высокого уровня технической оснащённости производства, больших расходов, высокой точности изготовления. В работе представлена краткая характеристика и общий алгоритм работы нескольких программных модулей, входящих в состав программного обеспечения установки селективного лазерного сплавления МЛ6. Продемонстрированы практические результаты их применения.
В статье рассматриваются современные тенденции и перспективы развития отечественных технологий в агропромышленном комплексе (АПК) России. Особое внимание уделено инновационным решениям в области цифровизации сельского хозяйства, автоматизации производственных процессов, биотехнологий и экологически устойчивых агротехнологий. Методология исследования включает в себя системный анализ существующих технологий, сравнительный анализ данных о внедрении инноваций, а также качественные (контент-анализ отчетов) и количественные методы (статистико-аналитические) для оценки влияния новых технологий на производственные показатели и устойчивость АПК. Анализируются существующие барьеры и вызовы, влияющие на внедрение высокотехнологичных разработок, а также потенциал государственной поддержки и частных инвестиций. Сделан акцент на необходимости интеграции научных достижений и разработке эффективных механизмов взаимодействия между наукой, бизнесом и государством для обеспечения устойчивого развития АПК. Полученные результаты исследования можно применить: для оптимизации процессов в сельском хозяйстве посредством внедрения автоматизации и цифровизации, что позволит снизить затраты и повысить продуктивность; для разработки госпрограмм и частных инициатив, направленных на поддержку аграрного сектора, что укрепит государственные стратегии в области продовольственной безопасности и устойчивого развития; для привлечения частных инвестиций в технологическую сферу, способствующих последующей модернизации АПК.
Современная среда функционирования бизнеса характеризуется стремительными изменениями. Одним из вызовов в части организации внутренних бизнес-процессов и обеспечения конкурентоспособности компании становится глобальная цифровая трансформация, предполагающая радикальное изменение организационных бизнес-процессов на всех уровнях. Целью исследования является выявление ограничений и проблем цифровой трансформации бизнес-процессов в финансовом секторе. Для достижения поставленной цели были использованы методы контент-анализа, сравнения, графического анализа. В результате исследования было выявлено, что ключевыми проблемами цифровой трансформации бизнес-процессов в финансовом секторе выступают отсутствие целостной стратегии внедрения цифровых технологий, а также высокие риски, слабо поддающиеся прямой количественной оценке, к числу которых можно отнести риски хакерских атак и нарушения конфиденциальности данных, сокращение рабочих мест, нарушение связи между клиентами банками.
В данной работе рассматривается роль искусственного интеллекта (ИИ) в развитии цифровой экономики. Проанализированы ключевые направления использования ИИ в различных отраслях: от прогнозирования рыночных тенденций и оптимизации производственных процессов до повышения эффективности логистики и финансовых операций. Особое внимание уделено моделям машинного обучения, позволяющим анализировать большие объемы данных для принятия стратегических решений. Также затронуты вызовы, связанные с внедрением ИИ, включая вопросы кибербезопасности, утраты рабочих мест и этических аспектов. В работе представлены практические примеры использования ИИ для анализа рынка и оценки влияния автоматизации на занятость. Итогом исследования стало обобщение, что грамотное внедрение ИИ способствует повышению конкурентоспособности стран, ускорению инноваций и устойчивому экономическому росту в условиях глобальной цифровизации. Материалы и методы. Для анализа рынка с использованием искусственного интеллекта можно применить несколько простых методов на Python, включая анализ данных с помощью библиотек, таких как pandas для обработки данных и scikit-learn для машинного обучения. Один из самых простых вариантов — это анализ трендов с использованием метода регрессии. Вот пример простого кода для анализа рынка с использованием линейной регрессии. Результаты. В конечном итоге мы создаем модель, которая прогнозирует объем продаж на основе цены товара. Мы используем простую линейную регрессию для анализа зависимости между ценой и количеством проданных единиц товара. Код также визуализирует зависимость между ценой и объемом продаж, а также выводит коэффициенты модели. Заключение. Применение методов искусственного интеллекта, таких как линейная регрессия, позволяет эффективно анализировать рыночные тенденции и выявлять зависимости между ключевыми показателями, например, ценой и объемом продаж. Использование библиотек Python, таких как pandas и scikit-learn, упрощает обработку данных и построение прогнозных моделей. Визуализация результатов помогает лучше интерпретировать полученные зависимости, что может быть полезным инструментом для принятия обоснованных управленческих решений и оптимизации маркетинговых стратегий.
Цель исследования. Цель исследования состоит в разработке нового метода нахождения оптимального портфеля ценных бумаг, основанного на субоптимизации с использованием разреженной ковариационной матрицы, и создании на его основе программы для автоматизации процедуры выбора стратегии инвестирования.
Материалы и методы. В работе представлена одна из возможных формализаций двухкритериальной задачи инвестирования - постановка задачи на максимум ожидаемой доходности портфеля при ограничении сверху на СКО. При этом обосновано проведение расчетов СКО портфеля с разреженной матрицей ковариаций доходностей финансовых инструментов. Приведено решение двухкритериальной задачи, основанное на использовании условий оптимальности Каруша-Куна-Таккера. Все необходимые первичные расчеты и исследования выполняются в Microsoft Excel, для автоматизации и реализации графического интерфейса используются функции язык программирования Python. Результаты. Проведен анализ используемых методов принятия инвестиционных решений и обосновано использование каждого из них для конкретных данных фондового рынка. Для автоматизации аналитических подходов к нахождению оптимальной инвестиционной стратегии при полной, частичной и отсутствующей корреляционной зависимости была создана программа и графический интерфейс с использованием библиотек языка программирования Python. Программный продукт апробирован на примере процесса инвестирования с реальными данными российского фондового рынка. В качестве исходных данных в настоящем исследовании послужили котировки акций российских компаний за период с 01.01.2019 по 31.12.2021, взятые с сайта Yahoo Finance. Выбор каждой из акций был основан на результатах проведенного фундаментального и технического анализа. Заключение. В результате проведенного исследования было установлено, что предложенный метод нахождения оптимальной стратегии с использованием разреженной ковариационной матрицы является подходящим инструментом для активной стратегии инвестирования. Техническая реализация предложенного метода - использование языка программирования Python для создания графического интерфейса - позволяет автоматизировать процесс построения инвестиционной стратегии.