проблема дефицита учебных ситуаций «длинного хвоста» (редких, опасных и экстремальных производственных событий) решается с помощью генерации синтетических данных в физически точных виртуальных средах. Методы доменной адаптации (визуальная рандомизация, DANN со слоем инверсии градиента) обеспечивают перенос навыков с тренажёра на реальную деятельность: сбалансированная точность 87,1% без реальных размеченных примеров. Обсуждаются последствия для разработки программ профессионального образования.
на основе метода структурно-функционального проектирования распределённых систем промышленного интернета вещей (Industrial Internet of Things, IIoT) синтезирована пятиуровневая архитектура «умного кампуса»: сенсорный слой, коммуникационный слой, периферийные вычисления, облачные вычисления и прикладной уровень. Формализовано отображение потоков данных на аналитические задачи с учётом ограничений по задержке и ресурсам. Обсуждается интеграция модулей машинного обучения в архитектуру на этапе проектирования, что обеспечивает адаптивность, масштабируемость и ресурсоэффективность образовательной и...
рассматривается проблема соответствия архитектур управления образовательными данными требованиям Федерального закона №152-ФЗ «О персональных данных». На основе метода проектирования интеллектуальной подсистемы управления потоками данных (DFMS) формализованы модули классификации, приоритизации, маршрутизации и адаптации с учетом правового режима обрабатываемых данных. Доказывается, что модульная архитектура DFMS обеспечивает прозрачность политик обработки, минимизацию данных и возможность аудита операций – ключевые принципы 152-ФЗ.
Для оптимальной работы сайта и оптимизации его дизайна мы используем куки-файлы, а также сервис Яндекс.Метрика для сбора и статистического анализа данных о посещении Вами страниц сайта. Продолжая использовать сайт, Вы соглашаетесь на использование куки-файлов и указанного сервиса.
