УДК 004
DOI: 10.36871/2618­-9976.2026.03.007

Авторы

Патимат Султановна Батаева,
Доцент кафедры бизнес­-информатики, Чеченский государственный университет имени. А.А. Кадырова, Грозный, Россия
Исмаил Аюпович Танкиев,
К.ф.м.н, профессор, зав кафедрой «Математический анализ», Ингушский государственный университет, Магас, Россия
Зинаида Макшариповна Хаутиева,
К.пед.наук, доцент кафедры «Математический анализ», Ингушский государственный университет, Магас, Россия

Аннотация

Информационные  технологии  и  интеллектуальные  системы  анализа  больших  данных  в  современных  условиях  становятся  ключевым  инструментом  управления  социальноэкономическими и технологическими процессами, поскольку именно способность оперативно извлекать знания из постоянно обновляющихся массивов информации определяет  качество  прогнозирования,  устойчивость  решений  и  эффективность функционирования цифровых инфраструктур. Однако практическое применение аналитических моделей в  реальной среде осложняется тем, что данные формируются  в  условиях  неопределенности,  которая  проявляется  в  неполноте  наблюдений,  высоком  уровне  шума,  изменении  статистических  распределений  и  наличии  концептуальных  сдвигов,  вследствие  чего  традиционные  подходы,  основанные  на  предположении  о  стационарности  и  неизменности  закономерностей, оказываются недостаточно устойчивыми. В  статье  рассматривается  роль  информационных  технологий  как  инфраструктурной  основы  анализа  больших  данных в динамической среде, анализируются особенности неопределенности  как фактора  деградации  моделей,  раскрываются  принципы  адаптивных  алгоритмов  и  онлайнобучения как механизмов повышения  устойчивости интеллектуальных  систем,  а  также  обсуждаются  вопросы  интерпретируемости  и  доверия  к  аналитическим  решениям  в  условиях постоянного обновления данных и моделей.

Ключевые слова

информационные технологии
анализ больших данных
онлайн­-обучение

Список литературы

[1] Абрамов А.В. Большие данные в цифровой экономике: методы анализа и практические приложения / А.В. Абрамов. Москва: ИНФРА­М, 2021. 304 с.

[2] Алексеев В.М. Интеллектуальные  системы  обработки  данных:  современные  подходы и технологии / В.М. Алексеев. Санкт­Петербург: Питер, 2020. 288 с.

[3] Баранов П.В. Машинное обучение и анализ данных в условиях неопределенности / П.В. Баранов // Информационные технологии. 2022. № 7. С. 15–24.

[4] Беляев С.Н. Онлайн­обучение моделей в потоковой аналитике: проблемы и решения / С.Н. Беляев // Вестник компьютерных и информационных технологий. 2023. № 4. С. 31–39.

[5] Власов И.А. Адаптивные алгоритмы интеллектуального анализа данных: теоретические основы и приложения / И.А. Власов. Москва: КНОРУС, 2022. 256 с.

[6] Гаврилов А.С. Потоковая обработка больших данных в информационных системах  управления / А.С. Гаврилов // Прикладная информатика. 2021. Т. 16, № 5. С. 46–55.

[7] Данилова Е.П. Неопределенность  в  задачах  интеллектуального  анализа  данных: источники и способы компенсации / Е.П. Данилова // Информационное общество. 2022. № 6. С. 18–27.

[8] Жуков Н.Н. Интеллектуальные  системы  поддержки  принятия  решений  в  цифровой среде / Н.Н. Жуков. Москва: Юрайт, 2021. 312 с.

[9] Иванов С.В. Большие  данные  и  искусственный  интеллект:  архитектуры,  модели, алгоритмы / С.В. Иванов. Москва: ДМК Пресс, 2023. 368 с.

[10] Козлова М.С. Адаптивное  обучение  в  интеллектуальных  системах:  современные  методы и ограничения / М.С. Козлова // Программные продукты и системы. 2024. № 2. С. 77–86.