Vladislav V. Kukartsev

Place of work

Organization:
FSBEI of HE “Russian Timiryazev State Agrarian University”
Degree:
candidate of engineering sciences
SPIN:
3522-2910

Author's articles(6)

Vnedrenie tekhnologii iskusstvennogo intellekta v tsifrovuiu sredu sel'khozpredpriiatii

02.12.2025

Annotation

в статье описываются сферы потенциального применения искусственного интеллекта и технологий IoT в цифровой среде сельхозпредприятий. Перечислены возможности для внедрения технологий в инфраструктуру сельхозпредприятий, при этом ключевой акцент сделан на синергетическом эффекте, возникающем при интеграции интеллектуальных алгоритмов и данных с сетей датчиков «интернета вещей». Раскрывается, как IoT-сенсоры, собирающие информацию о влажности почвы, температуре воздуха, питательных веществах и состоянии растений в режиме реального времени, служат источником данных, а методы искусственного интелле...
more

Adaptive real-time machine learning: methods for combating concept deviation in flow data

31.03.2026

Annotation

The article explores modern approaches to adaptive machine learning in real-time environments, focusing on the problem of concept drift in streaming data. It examines the main methods for detecting and correcting data drift, which allow models to maintain accuracy when working with non-stationary information streams. The article analyzes online learning algorithms, adaptive threshold mechanisms, and incremental model update techniques. It also discusses the potential applications of these methods in monitoring, forecasting, and automation systems, as well as the challenges associated with comp...
more

Adaptive real-time machine learning: methods for combating concept deviation in flow data

Annotation

The article explores modern approaches to adaptive machine learning in real-time environments, focusing on the problem of concept drift in streaming data. It examines the main methods for detecting and correcting data drift, which allow models to maintain accuracy when working with non-stationary information streams. The article analyzes online learning algorithms, adaptive threshold mechanisms, and incremental model update techniques. It also discusses the potential applications of these methods in monitoring, forecasting, and automation systems, as well as the challenges associated with comp...

Razrabotka tsifrovogo profilia predpriiatiia kak element strategii tsifrovizatsii i podgotovki spetsialistov

14.10.2025

Annotation

в статье рассматривается вопрос разработки цифрового профиля предприятия как элемента общей стратегии цифровой трансформации. Приведены актуальность, цели и этапы создания цифрового профиля предприятия. В статье также приводятся примеры российских предприятий, использовавших цифровой профиль, и некоторые программы для его создания. Сделан акцент на значимости интеграции цифрового профиля с другими информационными системами для оптимизации бизнес-процессов. Описываются проблемы, возникающие при создании цифрового профиля, и подчёркивается важность привлечения экспертов для успешной подготовки с...
more

Primenenie tekhnologii iskusstvennogo intellekta dlia prognozirovaniia urozhainosti sel'skokhoziaistvennykh kul'tur: kliuchevye aspekty i znachenie dlia agroobrazovaniia

07.10.2025

Annotation

в статье рассматривается вопрос перспектив использования искусственного интеллекта в сельском хозяйстве, в частности, прогнозирования урожайности, а также интеграции этих задач в образовательные программы АПК. В статье анализируются ключевые аспекты применения технологий и методов ИИ для решения задач прогнозирования урожайности сельскохозяйственных культур. В контексте быстрого развития цифровых технологий и доступности больших данных о климате, почве и культурах, методы машинного обучения, особенно нейронные сети, становятся все более привлекательными инструментами для точной оценки ожидаемо...
more

Mnogourovnevyi analiz i prognozirovanie tendentsii mirovoi ekonomiki s primeneniem metodov Data Science i mashinnogo obucheniia

25.11.2025

Annotation

в работе анализируются основные тенденции мировой экономики с применением методов Data Science и машинного обучения. На основе открытых макроэкономических данных Всемирного банка (2010–2023 гг.) проведён многоуровневый анализ показателей более чем 170 стран. Цель исследования – выявить взаимосвязи между экономическими индикаторами и факторами роста ВВП. Сравнение линейной регрессии и алгоритма Random Forest показало преимущества ансамблевых методов в выявлении нелинейных зависимостей. Результаты подтверждают эффективность интеллектуального анализа данных для повышения точности экономических пр...
more