УДК 004.8
DOI: 10.36871/2618­-9976.2026.02.002

Авторы

Светлана Глебовна Николаева,
Доцент, кандидат технических наук, кафедра «Цифровые системы и модели». ФГБОУ ВО КГЭУ Казанский государственный энергетический университет, Казань, Россия
Фатима Джабраиловна Цурова,
Старший преподаватель кафедры «Математический анализ», Ингушский государственный университет, Магас, Россия
Камал Дагирович Шахдуллаев,
Магистрант первого курса направления «Прикладная математика и информатика» факультета «Математики и компьютерных наук». Федеральное государственное бюджетное образовательное учреждение высшего образования «Дагестанский государственный университет», Махачкала, Россия

Аннотация

Неструктурированные  данные,  включающие  текстовые  документы,  изображения,  аудиозаписи,  видеопотоки  и  смешанные  мультимодальные  источники,  занимают  доминирующую  долю  в  современных  информационных  системах, что  делает  задачу  их  интеллектуального  анализа  одной  из  наиболее актуальных в условиях цифровизации экономики, науки  и  управления. В  статье  рассматриваются методы  искусственного  интеллекта,  применяемые  для  обработки  неструктурированных  данных,  включая  классические  подходы  машинного  обучения,  методы  извлечения признаков, нейросетевые  архитектуры  глубокого  обучения,  языковые  модели,  трансформерные  системы,  а  также  мультимодальные  методы  интеграции  информации.  Особое  внимание  уделяется  проблемам  качества  данных,  интерпретируемости,  доменной  адаптации  и  оценке  неопределенности,  поскольку в прикладных задачах требуется не только высокая  точность,  но  и  устойчивость  решений  при  наличии шумов, неполноты и изменчивости входных данных.

Ключевые слова

искусственный интеллект
большие данные
цифровизация экономики
машинное обучение

Список литературы

[1] Агеев М.С. Обработка  естественного  языка  и  интеллектуальный  анализ  текстов: учебное пособие / М.С. Агеев. М.: МГТУ им. Н.Э. Баумана, 2020. 312 с.
[2] Аксенов В.И. Нейронные сети и глубокое обучение в задачах анализа данных: монография / В.И. Аксенов. СПб.: Питер, 2021. 384 с.
[3] Бородин А.Н. Машинное обучение и анализ больших данных: учебник / А.Н. Бородин. М.: Юрайт, 2022. 420 с.
[4] Васильев А.А. Интеллектуальные системы обработки данных: учебник / А.А. Васильев. М.: Инфра­М, 2019. 368 с.
[5] Гаврилова Т.А. Интеллектуальные технологии в управлении знаниями: учебник / Т.А. Гаврилова, Д.В. Ландэ. СПб.: Питер, 2018. 304 с.
[6] Гудфеллоу И. Глубокое  обучение  / И.  Гудфеллоу, Й.  Бенджио,  А. Курвилль; пер.  с  англ. М.: Диалектика, 2018. 652 с.
[7] Журавлев Ю.И. Распознавание. Математические методы. Программные системы / Ю.И. Журавлев. М.: Физматлит, 2016. 328 с.
[8] Кобозев И.Ю. Информационные  технологии  и  системы  искусственного интеллекта: учебное пособие / И.Ю. Кобозев. М.: КНОРУС, 2020. 296 с.
[9] Леонов А.В. Компьютерное зрение и анализ изображений: учебное пособие / А.В. Леонов. М.: МИФИ, 2021. 280 с.
[10] Мелехин В.Б. Интеллектуальные  системы: учебник  /  В.Б.  Мелехин.  М.: Академия, 2017. 336 с.