Перегляд за Автор "Knyrik Natalia R."

Зараз показуємо 1 - 2 з 2
  • Ескіз
    Документ
    Концепція впровадження системи підтримки прийняття рішень в аутсорсингових IT-компаніях
    (2023) Книрік Н. Р.; Книрік К. О.; Knyrik Natalia R.; Knyrik Kateryna O.
    Запропоновано система підтримки прийняття рішень, яка дозволяє здійснювати ефективний аналіз та управління портфелем проектів аутсорсингової IT-компанії. Система реалізована у комплексі взаємопов'язаних моделей системної динаміки, агентних та оптимізаційних моделей. При розробці використовуються різні комбінації принципів імітаційного, когнітивного моделювання, а також мережі Петрі.
  • Ескіз
    Документ
    Модель прогнозування розвитку людини для прийняття рішення щодо вибору індивідуального шляху
    (2023) Накидайло О. Ю.; Книрік Н. Р.; Книрік К. О.; Nakydailo Oleksandr Yu.; Knyrik Natalia R.; Knyrik Kateryna O.
    Розвиток особистості завжди є складним індивідуальним процесом, а вибір індивідуального шляху є ключовим етапом у житті кожної людини. Мета даної статті – розглянути можливість використання моделі прогнозування розвитку людини для здійснення інформованих рішень щодо вибору шляху особистісного розвитку. У розгляді застосована методика, базуючись на вивченні ключових факторів впливу на розвиток особистості. Враховані такі аспекти, як освіта, внутрішні та зовнішні фактори, та особистість. З використанням аналізу даних з індивідуальних історій розвитку створена модель, що дозволяє передбачити можливий шлях особистісного розвитку на основі поєднання цих факторів. Виявлено взаємодію між різними факторами, що впливають на особистісний розвиток, і висвітлені можливості оптимізації цього процесу через своєчасне втручання та направлену підтримку. Наукова новизна даної роботи полягає в використанні інтегрованого підходу до аналізу факторів розвитку, що включає в себе не лише психосоціальні, а й освітні та професійні впливи. Для розширення аналізу та здобуття більш точних прогнозів використано методи машинного навчання. Зокрема, використані бібліотеки Python, такі, як Scikit-Learn та TensorFlow. Це дозволяє автоматизувати обробку великої кількості даних та враховувати їхні взаємозв'язки для покращення точності моделі. Результати розкривають нові можливості для розуміння та передбачення індивідуальних шляхів розвитку, що робить цю модель інноваційною у сфері наукових досліджень. Практична значимість даної моделі виявляється в можливості використання її в освітніх та кар'єрних консультаціях, а також у виборі програм та напрямків навчання. Застосування даної моделі може сприяти оптимізації особистісного розвитку, що, в свою чергу, призводить до підвищення ефективності та задоволення вибраним індивідуальним шляхом.