УДК 004.855:004.421
DOI: 10.36871/26189976.2026.04-2.007

Авторы

Махмудова Маркиза Эмировна,
Дагестанский государственный университет, Махачкала, Россия
Тамара Константиновна Филимонова,
Казанский государственный энергетический университет, Казань, Россия
Антон Сергеевич Зинченко,
Московский государственный университет технологий и управления им. К.Г. Разумовского, Москва, Россия

Аннотация

В статье рассматриваются современные тенденции развития алгоритмов машинного обучения и их влияние на практику разработки программного обеспечения. Особое внимание уделяется новым подходам, таким как самообучающиеся модели, трансформерные архитектуры, методы обучения с подкреплением и генеративные модели. Анализируются ключевые принципы их работы, преимущества и ограничения, а также требования к данным и вычислительным ресурсам. Обсуждаются вопросы интеграции алгоритмов машинного обучения в реальные приложения, включая аспекты масштабируемости, интерпретируемости и безопасности. Статья ориентирована на разработчиков, стремящихся эффективно применять современные инструменты машинного обучения в своих проектах.

Ключевые слова

машинное обучение
алгоритмы
искусственный интеллект
трансформеры
генеративные модели
обучение с подкреплением
нейронные сети
разработка ПО
большие данные
интерпретируемость
масштабируемость
безопасность данных

Список литературы

[1] Гудфеллоу И., Бенджио И., Курвилль А. Глубокое обучение.—М.: ДМК Пресс, 2020.— 652 с.

[2] Рассел С., Норвиг П. Искусственный интеллект: современный подход.—3‑е изд.—М.: Вильямс, 2021.—1408 с.

[3] Бишоп К. М. Распознавание образов и машинное обучение. — М.: Вильямс, 2021. — 576 с.

[4] Митчелл Т. Машинное обучение.—М.: Вильямс, 2022.—672 с.

[5] Журавлёв Ю. И., Рязанов В. В., Сенько О. В. Распознавание образов и анализ данных.— М.: Физматлит, 2023.—368 с.

[6] Воронцов К. В. Математические методы обучения по прецедентам (теория обучения машин).—М.: МФТИ, 2021.—312 с.

[7] Короткевич А. Г. Анализ данных и машинное обучение на Python. — СПб.: Питер, 2020.—448 с.

[8] Лесковец Й., Раджараман А., Ульман Д. Анализ больших наборов данных. — М.: ДМК Пресс, 2022.—498 с.

[9] Саттон Р., Барто Э. Обучение с подкреплением: введение.—М.: ДМК Пресс, 2020.— 552 с.

[10] Хасти Т., Тибширани Р., Фридман Дж. Элементы статистического обучения. — М.: Бином. Лаборатория знаний, 2021.—768 с.