Використання навчальних нейронних мереж для прогнозування розвитку продукту IT-проекту
Тип публікації :
Стаття
Дата випуску :
29 грудня 2020 р.
Мова основного тексту :
Англійська
eKNUTSHIR URL :
Випуск :
1/2(3/4)
Початкова сторінка :
5
Кінцева сторінка :
12
Цитування :
[APA 7] Морозов, В., & Мезенцева, О. (2020). Use training neural networks for predicting product development of IT project. Безпека інформаційних систем і технологій, (1/2(3/4)), 5–12. https://doi.org/10.17721/ISTS.2020.4.3-10
[ДСТУ] Морозов В., Мезенцева О. Use training neural networks for predicting product development of IT project. Безпека інформаційних систем і технологій. 2020. no. 1/2(3/4). P. 5—12. DOI: 10.17721/ISTS.2020.4.3-10 (date of access: 17.07.2026).
Cтан розвитку інновацій в Україні характеризується збільшенням розробок на основі стартап-проєктів із
використанням як продукту проєкту інформаційних систем різної складності. Проведено аналіз слабкої живу
чості результатів виконання стартап-проєктів. Зроблено висновок щодо необхідності прогнозування етапів
розвитку продуктів ІТ-проєктів на основі аналізу процесів взаємодії користувачів (клієнтів) з інформаційною
системою (продуктом). Розглянуто складові моделі прогнозування розвитку ІТ-продуктів інноваційних ста
ртап-проєктів, з урахуванням аналізу формуються набори даних взаємодії потенційних клієнтів із такими
продуктами. Запропоновано алгоритм формування початкових наборів даних на основі карт подорожей кліє
нтів (CJM), які є інструментом фіксації подій взаємодії клієнтів із системою. Наведено приклади моделей
аналогів карт подорожей клієнтів, які є базою для фіксації та аналізу взаємодій. Цей факт є основою для
формування відповідних наборів даних великої розмірності. Як механізм оброблення великих масивів даних і
побудови стратегій розвитку ІТ-продуктів запропоновано використання нейронних мереж глибокого навчання.
Побудовано математичні моделі для подальшого моделювання й аналізу отриманих результатів. Використано
простий лінійний регресійний аналіз для моделювання зв'язку між єдиною пояснювальної змінної і безперервної
змінної відгуку (залежною змінною). Для наявних даних застосовано метод розвідувального аналізу даних для
пошуку повторюваних образів і аномалій. У ході дослідження побудовано модель реалізації лінійної регресії з
використанням підходу на основі градієнтної оптимізації. Також застосовано лінійні моделі бібліотеки scikit
learn для завдання регресії і реалізовано стабілізаційний регресійний метод. Проведено моделювання й аналіз
отриманих результатів, який показав більшу ефективність щодо збільшеного періоду життєвого циклу про
дуктів ІТ-проєктів.
використанням як продукту проєкту інформаційних систем різної складності. Проведено аналіз слабкої живу
чості результатів виконання стартап-проєктів. Зроблено висновок щодо необхідності прогнозування етапів
розвитку продуктів ІТ-проєктів на основі аналізу процесів взаємодії користувачів (клієнтів) з інформаційною
системою (продуктом). Розглянуто складові моделі прогнозування розвитку ІТ-продуктів інноваційних ста
ртап-проєктів, з урахуванням аналізу формуються набори даних взаємодії потенційних клієнтів із такими
продуктами. Запропоновано алгоритм формування початкових наборів даних на основі карт подорожей кліє
нтів (CJM), які є інструментом фіксації подій взаємодії клієнтів із системою. Наведено приклади моделей
аналогів карт подорожей клієнтів, які є базою для фіксації та аналізу взаємодій. Цей факт є основою для
формування відповідних наборів даних великої розмірності. Як механізм оброблення великих масивів даних і
побудови стратегій розвитку ІТ-продуктів запропоновано використання нейронних мереж глибокого навчання.
Побудовано математичні моделі для подальшого моделювання й аналізу отриманих результатів. Використано
простий лінійний регресійний аналіз для моделювання зв'язку між єдиною пояснювальної змінної і безперервної
змінної відгуку (залежною змінною). Для наявних даних застосовано метод розвідувального аналізу даних для
пошуку повторюваних образів і аномалій. У ході дослідження побудовано модель реалізації лінійної регресії з
використанням підходу на основі градієнтної оптимізації. Також застосовано лінійні моделі бібліотеки scikit
learn для завдання регресії і реалізовано стабілізаційний регресійний метод. Проведено моделювання й аналіз
отриманих результатів, який показав більшу ефективність щодо збільшеного періоду життєвого циклу про
дуктів ІТ-проєктів.
Галузі знань та спеціальності :
12 Інформаційні технології
Галузі науки і техніки (FOS) :
Інженерія та технології
Файл(и) :![Ескіз]()
Вантажиться...
Формат :
Adobe PDF
Розмір :
1.25 MB
Контрольна сума :
(MD5):089d8eb5875edba454af4da02dd47bce
Якщо не вказано інше, ця робота розповсюджується на умовах ліцензії Creative Commons Attribution 4.0 International