На даний час не всі ІТ-компанії, особливо невеликі, приділяють достатньо уваги управлінню ІТ-проектами в своїй діяльності. В результаті збитки ІТ-індустрії, штрафи за провалені проекти тощо. Адже, для досягнення стабільних та якісних результатів у будь- якій сфері бізнесу важливо вміло поєднувати та координувати весь процес. При цьому потрібно пам’ятати, що кожен проект є унікальним. Саме від уміння реалізувати ІТ-проект в компанії залежить успіх всього підприємства. В зв'язку з цим, управління проектами стає актуальним і важливим питанням для менеджерів будь-якої ланки на підприємстві. Таким чином, новою тенденцією в регулюванні роботи ІТ-компаній сьогодні є проектний менеджмент, який допомагає швидко і ефективно досягати поставлених цілей. З огляду на це, необхідним є обґрунтування застосування мережевого планування як одного з методів управління ІТ-проектами. Були розглянуті останні публікації у відкритому доступі, що стосуються мережевого планування в управлінні ІТ-проектами. Сьогодні на ринку інформаційних технологій існує велика кількість комп’ютерних програм, як вітчизняних, так і зарубіжних, які допомагають ефективніше управляти проектами. Кожна з яких має свої переваги і недоліки. Основна мета таких програм – зробити процес управління проектом простішим, швидшим і зрозумілішим для всіх членів команди. Поряд з цим, ряд питань науково-методичного характеру, пов’язаних з питанням мережевого планування за допомогою табличного процесора MS Excel не отримали дотепер широкого застосування. Враховуючи вищесказане, головною метою даної статті є використання потужного інструменту для візуалізації та аналізу даних – табличного процесора MS Excel при вивченні питання мережевого планування в управлінні ІТ-проектами, зокрема в розрахунку часових параметрів подій та визначенні резервів часу виконання робіт.
У статті описані результати дослідження використання алгоритмів машинного навчання для аналізу і прогнозування показників зовнішньоекономічних операцій в Україні. Метою цієї статті є прогнозування показників імпорту і експорту з використанням алгоритмів машинного навчання (лінійна регресія, Gaussian Process Regression, SMOreg і нейронна мережа Multilayer Perceptron) на статистичних даних, що охоплюють період з 1 січня 2018 р. по 31 грудня 2021 р. З метою виявлення найточнішого результату прогнози зроблені з використанням статистичних даних для різних інтервалів базового періоду та періодів прогнозування. Точність алгоритмів машинного навчання оцінювалася за допомогою порівняння наступних показників: середня абсолютна похибка (MAE), середньоквадратична похибка (RMSE), та середня абсолютна похибка у відсотках (MAPE). Розраховані прогнозні показники зовнішньоекономічних операцій за алгоритмом SMOreg мають високу точність прогнозу, оскільки мають найменші показники абсолютної похибки у відсотках (MAPE). Показники середньої абсолютної похибки (MAE) і середньоквадратичної похибки (RMSE) також вказують що алгоритм SMOreg має високу точність прогнозу. Результати аналізу показали, що алгоритми машинного навчання досягли високоточної ефективності прогнозування. Виявлено, що нелінійні моделі значно краще справляються із задачею прогнозування експортно-імпортних операцій, ніж лінійні моделі. Загальна точність алгоритму SMOreg була кращою для всього інтервалу базового періоду та вибраного періоду прогнозу. Результати, отримані в результаті цього аналізу, можуть допомогти фахівцям з економіки в оцінці показників зовнішньоекономічних операцій в Україні. Реалізація прогнозування експортно-імпортних операцій на підставі використання алгоритму SMOreg може бути автоматизована для створення експертної системи з метою оцінки показників зовнішньоекономічних операцій в розрізі окремих регіонів.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.