Choice of metadata Статьи ППС
Page 1, Results: 3
Report on unfulfilled requests: 0
1.
Подробнее
74
И 42
Иксебаева, Ж. С.
Разработка и реализация проекта по созданию чат-бота на основе метода машинного обучения для применения в образовании [Текст] / Ж. С. Иксебаева // Профессиональное мастерство педагога: сборник материалов. - Уральск, 2024. - С. 144-147.
ББК 74
Рубрики: Педагогика
Кл.слова (ненормированные):
чат-бот -- машинное обучение -- образование -- индивидуализация обучения -- образовательные технологии -- образование
Аннотация: Статья посвящена разработке и реализации проекта по созданию чат-бота, основанного на методах машинного обучения, для применения в образовательном процессе. Авторы исследуют возможности использования чат- ботов в качестве инструмента для предоставления студентам индивидуализированной поддержки, помощи в изучении материала и оценки знаний. В статье представлен подробный обзор методов машинного обучения, применимых для создания образовательных чат-ботов, а также описаны этапы реализации проекта, включая сбор и обработку данных, обучение модели, разработку интерфейса и тестирование. В статье представлены результаты проекта, демонстрирующие эффективность и практическую ценность разработанного чат-бота в контексте улучшения качества обучения и повышения успеваемости студентов. Авторы также обсуждают возможные направления дальнейшего развития проекта, учитывая перспективы внедрения современных технологий и методов машинного обучения в образование.
Держатели документа:
ЗКУ
И 42
Иксебаева, Ж. С.
Разработка и реализация проекта по созданию чат-бота на основе метода машинного обучения для применения в образовании [Текст] / Ж. С. Иксебаева // Профессиональное мастерство педагога: сборник материалов. - Уральск, 2024. - С. 144-147.
Рубрики: Педагогика
Кл.слова (ненормированные):
чат-бот -- машинное обучение -- образование -- индивидуализация обучения -- образовательные технологии -- образование
Аннотация: Статья посвящена разработке и реализации проекта по созданию чат-бота, основанного на методах машинного обучения, для применения в образовательном процессе. Авторы исследуют возможности использования чат- ботов в качестве инструмента для предоставления студентам индивидуализированной поддержки, помощи в изучении материала и оценки знаний. В статье представлен подробный обзор методов машинного обучения, применимых для создания образовательных чат-ботов, а также описаны этапы реализации проекта, включая сбор и обработку данных, обучение модели, разработку интерфейса и тестирование. В статье представлены результаты проекта, демонстрирующие эффективность и практическую ценность разработанного чат-бота в контексте улучшения качества обучения и повышения успеваемости студентов. Авторы также обсуждают возможные направления дальнейшего развития проекта, учитывая перспективы внедрения современных технологий и методов машинного обучения в образование.
Держатели документа:
ЗКУ
2.
Подробнее
81
A76
Arndt, M.
The impact of artificial intelligence on the development of philological research: opportunities and limitations of modern ai technologies in linguistics [Текст] / M. Arndt // Bulletin WKU. - 2025. - №2. - Р. 115-119.
ББК 81
Рубрики: Филология
Кл.слова (ненормированные):
филология -- искусственный интеллект -- цифровая гуманитаристика -- лингвистика -- корпусный анализ -- этические аспекты ИИ -- междисциплинарные исследования -- машинное обучение -- культурный контекст -- анализ текстов
Аннотация: Развитие искусственного интеллекта оказывает всё более заметное влияние на филологические исследования, открывая новые перспективы для анализа текстов, языков и культурных традиций. В статье рассматриваются результаты междисциплинарного исследования, проведённого на базе 27 проектов немецких университетов в 2020–2024 гг., посвящённых интеграции ИИ в филологическую практику. Используя методы количественного и качественного анализа, кейс-стади и триангуляцию данных, автор выявляет как потенциал ИИ для ускорения обработки текстовых корпусов и выявления скрытых закономерностей, так и существующие риски, связанные с утратой культурного контекста и недостаточной рефлексией исследователей. Отдельное внимание уделено этическим вопросам применения ИИ в гуманитарных науках и роли междисциплинарного сотрудничества в оптимизации цифровых инструментов. Работа подчёркивает необходимость критического подхода и осознанного взаимодействия между гуманитарным знанием и технологиями
Держатели документа:
ЗКУ
A76
Arndt, M.
The impact of artificial intelligence on the development of philological research: opportunities and limitations of modern ai technologies in linguistics [Текст] / M. Arndt // Bulletin WKU. - 2025. - №2. - Р. 115-119.
Рубрики: Филология
Кл.слова (ненормированные):
филология -- искусственный интеллект -- цифровая гуманитаристика -- лингвистика -- корпусный анализ -- этические аспекты ИИ -- междисциплинарные исследования -- машинное обучение -- культурный контекст -- анализ текстов
Аннотация: Развитие искусственного интеллекта оказывает всё более заметное влияние на филологические исследования, открывая новые перспективы для анализа текстов, языков и культурных традиций. В статье рассматриваются результаты междисциплинарного исследования, проведённого на базе 27 проектов немецких университетов в 2020–2024 гг., посвящённых интеграции ИИ в филологическую практику. Используя методы количественного и качественного анализа, кейс-стади и триангуляцию данных, автор выявляет как потенциал ИИ для ускорения обработки текстовых корпусов и выявления скрытых закономерностей, так и существующие риски, связанные с утратой культурного контекста и недостаточной рефлексией исследователей. Отдельное внимание уделено этическим вопросам применения ИИ в гуманитарных науках и роли междисциплинарного сотрудничества в оптимизации цифровых инструментов. Работа подчёркивает необходимость критического подхода и осознанного взаимодействия между гуманитарным знанием и технологиями
Держатели документа:
ЗКУ
3.
Подробнее
26.82
К 27
Картирование растительности Восточно-Казахстанской области с помощью машинного обучения на основе спутниковых снимков Landsat [Текст] / Н. Ф. Денисова, Г. К. Жусупова, О. А. Петрова [и др.] // Вестник ЗКУ. - 2025. - №2. - С. 418-431.
ББК 26.82
Рубрики: Физическая география
Кл.слова (ненормированные):
Восточно-Казахстанская область -- Landsat -- Машинное обучение -- Классификация растительности -- Google Earth Engine -- Random Forest
Аннотация: Целью данного исследования является разработка подхода к картографированию растительности Восточно-Казахстанского региона с использованием методов машинного обучения на основе спутниковых снимков Landsat 8. В статье рассматриваются этапы предобработки данных, выбор оптимальных алгоритмов классификации и оценка их эффективности для различных типов растительности. Процесс предварительной обработки и классификации данных выполнялись на облачной платформе Google Earth Engine. Помимо 17 вспомогательных слоев, содержащих информацию о рельефе местности, в процессе сбора данных были сформированы обучающие выборки, распределенные по 10 классам: широколиственные деревья, хвойные деревья, травянистая растительность, кустарники, открытые земли, сельскохозяйственные угодья, водно-болотные территории, застроенные земли, снег и лед, водные объекты. В рамках исследования были применены и сравнены различные алгоритмы машинного обучения, такие как метод опорных векторов (SVM), деревья решений (CART), градиентный бустинг деревьев (GTB) и случайный лес (RF). Алгоритмы GTB и RF показали наилучшие результаты с Общей точностью 92% и коэффициентом Каппа 91%, что свидетельствует о высоком качестве интеграции данных дистанционного зондирования с методами машинного обучения. Полученные результаты исследования подчеркивают потенциал методов машинного обучения для мониторинга состояния экосистем, планирования природоохранных мероприятий, управления природными ресурсами и чрезвычайными ситуациями в регионе
Держатели документа:
ЗКУ
Доп.точки доступа:
Денисова, Н.Ф.
Жусупова, Г.К.
Петрова, О.А.
Чепашев, Д.В.
Даумова, Г.К.
Темирбаева, К.А.
К 27
Картирование растительности Восточно-Казахстанской области с помощью машинного обучения на основе спутниковых снимков Landsat [Текст] / Н. Ф. Денисова, Г. К. Жусупова, О. А. Петрова [и др.] // Вестник ЗКУ. - 2025. - №2. - С. 418-431.
Рубрики: Физическая география
Кл.слова (ненормированные):
Восточно-Казахстанская область -- Landsat -- Машинное обучение -- Классификация растительности -- Google Earth Engine -- Random Forest
Аннотация: Целью данного исследования является разработка подхода к картографированию растительности Восточно-Казахстанского региона с использованием методов машинного обучения на основе спутниковых снимков Landsat 8. В статье рассматриваются этапы предобработки данных, выбор оптимальных алгоритмов классификации и оценка их эффективности для различных типов растительности. Процесс предварительной обработки и классификации данных выполнялись на облачной платформе Google Earth Engine. Помимо 17 вспомогательных слоев, содержащих информацию о рельефе местности, в процессе сбора данных были сформированы обучающие выборки, распределенные по 10 классам: широколиственные деревья, хвойные деревья, травянистая растительность, кустарники, открытые земли, сельскохозяйственные угодья, водно-болотные территории, застроенные земли, снег и лед, водные объекты. В рамках исследования были применены и сравнены различные алгоритмы машинного обучения, такие как метод опорных векторов (SVM), деревья решений (CART), градиентный бустинг деревьев (GTB) и случайный лес (RF). Алгоритмы GTB и RF показали наилучшие результаты с Общей точностью 92% и коэффициентом Каппа 91%, что свидетельствует о высоком качестве интеграции данных дистанционного зондирования с методами машинного обучения. Полученные результаты исследования подчеркивают потенциал методов машинного обучения для мониторинга состояния экосистем, планирования природоохранных мероприятий, управления природными ресурсами и чрезвычайными ситуациями в регионе
Держатели документа:
ЗКУ
Доп.точки доступа:
Денисова, Н.Ф.
Жусупова, Г.К.
Петрова, О.А.
Чепашев, Д.В.
Даумова, Г.К.
Темирбаева, К.А.
Page 1, Results: 3