Разработка прототипа информационно-аналитического интернет-ресурса по машинному обучению
https://doi.org/10.25205/1818-7900-2025-23-3-44-56
Аннотация
В условиях стремительного развития технологий искусственного интеллекта и машинного обучения доступ к структурированной и понятной информации в данной области становится критически важен как для специалистов, так и для широкого круга пользователей. Существующие ресурсы часто страдают от фрагментарности данных, отсутствия систематизации и сложности навигации. Данная статья посвящена разработке прототипа интернет-ресурса [1], который бы решал эти проблемы и предоставлял пользователям доступ к обширной базе знаний по машинному обучению, включая описания алгоритмов, методов, инструментов, а также примеры их применения.
Об авторе
И. О. Плотникова
Новосибирский государственный университет
Россия
Россия
Плотникова Ирина Олеговна, магистрант
Новосибирск
Список литературы
1. Загорулько Ю. А., Загорулько Г. Б., Боровикова О. И. Технология создания тематических интеллектуальных научных интернет-ресурсов, базирующаяся на онтологии // Программная инженерия, 2016. Т. 7. № 2. С. 51–60.
2. Шумский С. А. Машинный интеллект. Очерки по теории машинного обучения и искусственного интеллекта. М.: РИОР, 2019. 340 с.
3. Загорулько Ю. А. Обзор современных средств формализации семантики областей знаний на основе онтологий // Информационные и математические технологии в науке и управлении. 2018. № 3 (11). С. 27–36. DOI 10.25729/2413-0133-2018-3-03
4. Лукашевич Н. В., Добров Б. В. Проектирование лингвистических онтологий для информационных систем в широких предметных областях // Онтология проектирования. 2015. № 1 (15). С. 47–69.
5. Гаврилова Т. А., Хорошевский В. Ф. Базы знаний интеллектуальных систем: учебник. Питер: СПб., 2000. 384 с.
6. Baader F., Calvanese D., McGuinness D. L., Nardi D., Patel-Schneider P. F. The Description Logic Handbook: Theory, Implementation, Applications. Cambridge, 2003. 574 р.
7. Antoniou G., Harmelen F. Web Ontology Language: OWL // Handbook on Ontologies. Berlin: Springer Verlag, 2004. Р. 67–92.
8. Protégé. A free, open-source ontology editor and framework for building intelligent systems. URL: http://protege.stanford.edu/
9. Sighn A. Machine Learning with Python, 2019. C. 7–10.
10. Izenman A. J. Modern Multivariate Statistical Techniques, Springer Texts in Statistics. Springer Science+Business Media New York, 2013.
11. Breiman L. Bagging predictors // Machine Learning. 1996. 24. Р. 123–140.
12. Freund Y., Schapire R. E. A Short Introduction to Boosting // Journal of Japanese Society for Artificial Intelligence. 1999. Vol. 14 (5). P. 771–780.
13. Wolpert D. H. Stacked Generalization // Neural Networks. 1992. Vol. 5. P. 241–259.
14. Goodfellow I., Bengio Y., Courville A. Deep Learning. MIT Press, 2016.
15. Mitchell T. M. Machine Learning. McGraw-Hill Education, 1997.
16. Флах П. Машинное обучение. Наука и искусство построения алгоритмов, которые извлекают знания из данных. М.: ДМК Пресс, 2023. 401 с.
Рецензия
Для цитирования:
Плотникова И.О. Разработка прототипа информационно-аналитического интернет-ресурса по машинному обучению. Вестник НГУ. Серия: Информационные технологии. 2025;23(3):44-56. https://doi.org/10.25205/1818-7900-2025-23-3-44-56
For citation:
Plotnikova I. Development of a prototype of an informational and analytical Internet resource on machine learning. Vestnik NSU. Series: Information Technologies. 2025;23(3):44-56. (In Russ.) https://doi.org/10.25205/1818-7900-2025-23-3-44-56
Просмотров:
0
Послать статью по эл. почте 