УДК 004.6:330
DOI: 10.36871/26189976.2026.05-2.009
Авторы
Мадина Хамзаевна Эсмурзаева,
Чеченский государственный университет имени А.А. Кадырова, Грозный, Россия
Светлана Глебовна Николаева,
ФГБОУ ВО КГЭУ Казанский государственный энергетический университет, Казань, Россия
Амина Магомед-Саляховна Бигаева,
ФГБОУ ВО Грозненский государственный нефтяной технический университет имени академика М.Д. Миллионщикова, Грозный, Россия
Аннотация
В статье исследуются теоретические и прикладные аспекты интеллектуального анализа данных в экономических системах, реализуемого с использованием современных информационных технологий. Актуальность исследования обусловлена экспоненциальным ростом объёмов экономической информации, усложнением структуры хозяйственных связей и необходимостью принятия оперативных решений в условиях рыночной конкуренции. Традиционные методы статистического анализа становятся недостаточно эффективными для извлечения скрытых знаний из многомерных массивов данных. На основе синтеза экономической теории, методов машинного обучения и теории баз данных рассматриваются ключевые направления применения Data Mining в экономике. Выделяются основные этапы технологического процесса интеллектуального анализа данных. Анализируются методы машинного обучения, наиболее эффективные для решения экономических задач. Особое внимание уделяется проблемам качества данных, интерпретируемости моделей и интеграции результатов анализа в бизнес-процессы.
Ключевые слова
интеллектуальный анализ данных
большие данные
экономические системы
информационные технологии
Список литературы
[1] Воронцов К. В. Математические методы обучения по прецедентам / К. В. Воронцов. — М.: МЦНМО, 2020. — 432 с.
[2] Дюк В. А. Интеллектуальный анализ данных: от данных к знаниям / В. А. Дюк. — СПб.: БХВ-Петербург, 2021. — 528 с.
[3] Загоруйко Н. Г. Прикладные методы анализа данных и знаний / Н. Г. Загоруйко. — Новосибирск: Издательство Института математики, 2019. — 348 с.
[4] Киттлер Дж. Машинное обучение: алгоритмы и их реализация / Дж. Киттлер. — СПб.: Питер, 2021. — 576 с.
[5] Лесин В. В., Лисовец, Ю. П. Основы методов машинного обучения / В. В. Лесин, Ю. П. Лисовец. — СПб.: Издательство СПбГУ, 2020. — 312 с.
[6] Медведева С. Н., Медведев, А. Н. Глубокое обучение: архитектуры, модели, приложения / С. Н. Медведева, А. Н. Медведев. — М.: ИНФРА-М, 2021. — 288 с.
[7] Сенаторов В. А., Шумилов, А. С. Анализ больших данных: методы и инструменты / В. А. Сенаторов, А. С. Шумилов. — М.: ДМК Пресс, 2020. — 312 с.
[8] Флах П. Машинное обучение: наука и искусство построения алгоритмов / П. Флах. — М.: ДМК Пресс, 2019. — 400 с.
[9] Чубукова И. А. Data Mining: учебное пособие / И. А. Чубукова. — М.: Интернет-университет информационных технологий, 2021. — 476 с.
[10] Шитов В. Н., Колосов, Д. А. Применение методов машинного обучения для прогнозирования экономических временных рядов // Информационные технологии и вычислительные системы. — 2023. — № 2. — С. 56–71.
