Универсальная платформа создания систем управления данными позволяет решать общие задачи обеспечения качества данных, их целостности и актуальности, а также настраивать систему для учета особенностей работы с корпоративными данными конкретного предприятия.
Архитектура, ориентированная на данные, позволяет корректировать бизнес-правила в ходе эксплуатации информационной системы, гибко изменяя как структуру данных, с которыми работает приложение, так и логику их обработки. Внедрение подобных элементов дата-центричной структуры, управляемой с помощью модели, дает возможность предприятию быстро получить выгоду от новых решений.
Для выполнение инференса нейронных сетей в задачах объектной видеоаналитики непосредственно в точке сбора данных используются системы, построенные на основе концепции Edge AI.
Цифровая трансформация требует переосмысления понятия «данные» и подходов к их управлению — достижению этих целей служит руководство «DAMA-DMBOK: Свод знаний по управлению данными».
В России появилась первая сертификация по BPM — сертификация по специальности «специалист по процессному управлению».
Темы сентябрьского, октябрьского и ноябрьского номеров журнала Computer (IEEE Computer Society, Vol. 52, No. 9–11, 2019) — трансляционные исследования в информатике, юбилей ARPANET и цифровое здравоохранение.
Сама судьба закономерно вела Виктора Петровича Иванникова к главной цели его жизни — созданию коллектива института, прокладывая его жизненный путь сквозь череду «случайностей».
Рассчитанное на работу с облачным сервисом редакционной подписки «Димео.Подписка» приложение автоматизирует процесс привлечения новых подписчиков.
Автономные системы пока не вызывают доверия – не всегда ясно, как они принимают решения. При этом для автономных систем неприменимы традиционные методы — функциональное тестирование и проверка перебором – получения объективных свидетельств, подтверждающих пригодность системы для конкретного применения. Необходимы специальные методы валидации автономных систем, учитывающие, в числе прочего, их динамическое изменение и обучаемость.
Для повышения эффективности технологических и производственных процессов сегодня все чаще используется подход Edge AI, обеспечивающий устойчивость к кибератакам и быстродействие при относительно небольших трудозатратах на программирование.
Ажиотаж вокруг машинного обучения приводит к росту его популярности, однако внедрение соответствующих систем без должного понимания принципов их действия сопряжено с систематическими рисками, которые нужно учитывать еще на этапе разработки систем машинного обучения.
Прошивки устройств Интернета вещей могут содержать скрытые от пользователей уязвимости и вредоносный код, в связи с чем анализ встроенного ПО становится неотложным и критичным направлением исследований, однако пока еще нет какого-либо систематического способа доступа ко всему многообразию применяемого в таких устройствах микропрограммного обеспечения.
Обеспечение безопасности Интернета вещей — сложная задача, требующая решения в условиях многообразия устройств, разнородности сетевых протоколов, ограниченности ресурсов и ненадежности самих устройств. Дополнительные сложности привносит разнообразие приложений для работы с устройствами Интернета вещей.
Машинное обучение и прогресс в аппаратных технологиях позволил предприятиям намного быстрее обрабатывать свои данные для проведения мощных маркетинговых кампаний, развертывания эффективных логистических операций и расширения лояльной клиентской базы. Однако до 85% проектов ИИ терпят неудачу, несмотря на рост инвестиций в инфраструктуру поддержки решений машинного обучения. Причина — «грязные» данные.
Год 2020 завершает второе десятилетие XXI века, ставшее переломным для многих экономик, — именно в этот период родилась концепция цифровой трансформации и стали предприниматься реальные усилия по ее воплощению в жизнь. Рубеж двух десятилетий ознаменуется возвратом к человеку. Сквозная идея технологических прогнозов на 2020 год — влияние цифровых новаций на человека.