CC BY
12УДК 1
Стукалова Т.С.
Студент кафедры информационных технологий.
Астраханский государственный университет, г. Астрахань
ИСПОЛЬЗОВАНИЕ МОБИЛЬНЫХ ТЕХНОЛОГИЙ И ТЕХНОЛОГИЙ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ОЦЕНКИ 1Т-ПРОЕКТОВ
Аннотация: в статье дана краткая характеристика использования мобильных технологий и технологий машинного обучения, проведено исследование рынка it-технологий, рассмотрены основные причины перехода с настольных приложений к мобильным технологиям, представлены используемые методы оценки it-проектов.
Ключевые слова: мобильные технологии, машинное обучение, искусственный интеллект, оценка it-проектов, информационные технологии.
Развитие и совершенствование смартфонов и планшетов, появление новых технологий передачи, накопления и обработки информации облегчило и ускорило работу во многих областях науки, бизнеса и производства. Благодаря относительно низкой цене и доступности для широкого круга пользователей мобильные технологии стали очень популярными в последнее время. Все больше компаний старается перейти к использованию мобильных технологий. В первую очередь это обусловлено возможностью немедленной связи с коллегами в любое время и в любом месте, совместного доступа к информации и совместной работы в реальном времени, доступности актуальной информации в виде отчетов и изображений, работы с данными, основанными на коммуникационной возможности, использованием информации для ускорения и повышения качества принятия решений, повышения уровня обслуживания.
Многие компании используют искусственный интеллект в разработке
программного обеспечения для гаджетов, например, компания Apple для обеспечения
безопасности смартфона iphone X использовала технологию распознавания лиц, в
алгоритмах которой задействован искусственный интеллект. Алгоритмы машинного
447
обучения позволяют найти сложные или неярко выраженные зависимости, между входными и выходными параметрами, которые человек не в силах обнаружить. По этой причине целесообразно использование искусственного интеллекта в таких сферах, где требуется прогнозирование, распознавание, классификация и анализ больших объемов данных.
Сегодня все больше компаний отходит от использования приложений на ПК, отдавая предпочтение web-приложениям и приложениям для мобильных устройств (рисунок 1). Это обусловлено тем, что многие компании стараются избавляться от локальных автоматизированных рабочих мест сотрудников, не привязывая их к определенному месту. В связи с огромной популярностью смартфонов и планшетов
возрастает спрос на разработку мобильных и web-приложений.
Рисунок 1 — Статистический график экранного времени пользователя за различными устройствами в день
Компании, занимающиеся разработкой программного обеспечения, рискуют каждый раз, когда берут новые проекты. Максимально точная оценка проекта играет ключевую роль в получении прибыли или убытков для предприятия.
Оценка эффективности инвестиционных проектов — один из главных элементов инвестиционного анализа. Чем масштабнее инвестиционный проект и чем больше значительных изменений он вызывает в бизнесе, тем точнее должны быть расчеты денежных потоков и методы оценки эффективности инвестиционного проекта.
В условиях нарастания неопределенности в мировой экономике в целом и в российской экономике в частности, компании все больше уделяют внимание вопросу экономической эффективности собственных ИТ-проектов. Следует отметить, что реализация проекта по внедрению информационных систем может потребовать значительных инвестиций и, если эффект от такого внедрения не будет подтвержден какими-либо обоснованными показателями, то доказать заказчику целесообразность внедрения будет проблематично.
Для определения рисков и оценки й-проектов, существуют отделы, которые занимаются оценкой проектов. В связи с этим большую роль в оценивании играет человеческий фактор и субъективность оценки. Именно для предотвращения таких ситуаций создание информационной системы с использованием мобильных технологий и технологий машинного обучения было бы целесообразным.
Список литературы
1. https://scienceforum.ru/2015/pdf711406.pdf дата доступа 15.06.2019
2. Орлов Ю.Н., Осминин К.П., Нестационарные временные ряды. Методы прогнозирования с примерами анализа финансовых и сырьевых рынков//Либроком 2018 384 с.
3. Фаустова К.И., Нейронные сети: применение сегодня и перспективы развития// Воронежский экономико-правовой институт//Территория науки. 2017. №4
