The paper considers a comparative analysis of the legal acts of providing workers with personal protective equipment of the European Union, the USA, Canada, the Russian Federation and other countries to justify the transition from the «list» approach to the issuance of personal protective equipment to the one used in international practice. Currently, the Republic of Kazakhstan uses a strictly regulated approach to the issuance of personal protective equipment based on established standards. The conditions of mass infection during the pandemic showed the ineffectiveness of the applied regulatory approach, without taking into account the nature of the risk. Therefore, in this direction there is a need for scientific substantiation of new approaches, taking into account the professional risk of the employee. During the review of international and domestic legal norms, key points of differences were identified, namely the use of a risk-based approach as the most modern and in line with modern trends and realities in ensuring the safe work of workers. Establishing a clear link with the results of occupational risk assessment will ensure the risk-oriented mechanisms for issuing personal protective equipment and training in safe work methods, which are modern measures of safe work in accordance with international legal practice

В данной статье рассматриваются современные методы лингвистического анализа, применяемые для обработки казахского языка, с целью автоматического выявления и извлечения текстовой информации. Особое внимание уделяется морфологическому, синтаксическому и семантическому анализу, а также их адаптации к особенностям казахского языка, который относится к агглютинативным языкам и характеризуется свободным порядком слов. Это создаёт определённые трудности при применении традиционных подходов, разработанных для языков с фиксированным порядком слов, таких как английский. В исследовательской работе анализируются современные подходы, включая методы на основе конечных автоматов, статистические модели, глубокие нейронные сети и трансформерные архитектуры. Рассматриваются существующие программные инструменты, такие как HFST, Apertium, KazNERD, BeeBERT и Kaz-RoBERTa и другие модели, специально адаптированные для языков со сложной морфологической структурой, а также их потенциал и ограничения в контексте обработки казахских текстов. Особое внимание уделяется вопросам точности морфологического анализа, устойчивости моделей к полисемии, а также способности справляться с редкими и сложными словоформами. Также обсуждаются практические области применения современных NLP-решений для казахского языка — в системах машинного перевода, автоматической классификации текстов, извлечении именованных сущностей и анализе тональности. Представлены конкретные примеры применения моделей в образовательной и юридической сферах. В заключении даны рекомендации по созданию национальных текстовых корпусов, развитию инструментов морфологического анализа, а также дальнейшему исследованию интеграции различных методологических подходов для повышения качества обработки казахского языка в задачах NLP.

Сегментация речи – это процесс разделения речевых сигналов на части, который является важным аспектом систем идентификации говорящего и распознавания речи. Этот процесс повышает эффективность системы, позволяя точно определять начало и конец речи. Использование детекторов речевой активности (VAD) играет важную роль в сегментации, поскольку они помогают определить границы между речью и тишиной. Однако наиболее распространенными ошибками при сегментации являются ложноположительные и ложноотрицательные результаты, которые негативно влияют на общую точность системы. В связи с этим необходимо снижать ошибки за счет различных подходов и методов. Такие меры, как снижение фонового шума, использование моделей глубокого обучения и увеличение данных, могут значительно улучшить качество сегментации. Использование методов и особенностей спектрального анализа позволяет четко различать речь и фоновый шум. Целью данного исследования является оптимизация процесса сегментации и анализ вероятности ошибок, повышение эффективности систем распознавания речи. В результате эта работа является основой для новых исследований и разработок в области распознавания речи. В статье рассматривается проблема сегментации речи для идентификации говорящего. В работе описаны возможные критерии сегментации – качественные и количественные характеристики звуковой речи, например, речевые задержки и интонация, а также их акустическое соотношение. Это позволяет специалисту выделить конкретные сегментные единицы (слоги, слова и т. д.), записать их структуру, выделить основные признаки.

В данной работе рассматривался распознавание именованных сущностей в казахском языке с использованием трансформерных моделей. Распознавание именованных сущностей (NER) - это раздел обработки естественного языка, который автоматически идентифицирует именованные сущности в текстовых данных и классифицирует их по предопределённым категориям. В ходе анализа предыдущих исследований было отмечено, что по данной теме на казахском языке требуется ещё много исследований. В качестве текстовых данных были взяты научные статьи в области информационных технологий, а при подготовке набора данных имена людей, названия учреждений, местоположения, а также термины в данной области были размечены как именованные сущности в формате IOB2. Для распознавания именованных сущностей рассматривались трансформерная модель библиотеки spaCy и большая языковая модель Llama. Для решения поставленной задачи были полностью описаны внутренние структурные блоки обеих моделей, дано формальное описание реализации NER в этих моделях и выполнена их тонкая настройка. Модели были обучены на подготовленном наборе данных и проведены различные тестирования. Полученные результаты сопоставлены с показателями других исследований и представлен сравнительный анализ.

По всему миру сельское хозяйство является основной отраслью продовольственного обеспечения населения и играет важную роль в экономике нашей страны. В Республике Казахстан имеется 25,7 млн. гектаров пахотных земель. Одним из способов его эффективного использования является использование возможностей современных технологий, в том числе направлении искусственного интеллекта - машинное обучение. Использование возможностей машинного обучения в сельском хозяйстве может способствовать повышению эффективности, оптимизации процессов, определению подходящих культур для выбранного место, прогнозированию урожайности, защите растений от вредителей и т. д. помогает решать важные для фермеров задачи. В этой статье было рассмотрено решение задачи прогнозирования подходящих культур для посева, в зависимости от состава почвы и количества осадков, путем объединения нескольких методов машинного обучения в ансамбль. Для создания ансамблевой модели были проведены различные тесты более 10 методов машинного обучения. В результате теста методы дерева решений, логистическая регрессия, классификатор Наивного Байеса, классификатор K-Nearest Neighbours и многослойный персептрон показали более высокую точность. Эти методы были объединены в ансамблевую модель с помощью стекинга и были получены две новые ансамблевые модели Stacking with ML models и Stacking with ML and NN models. Показатели точности нсамблевых моделей составили соответственно Stacking with ML models - 99,95%, Stacking with ML and NN models - 76,9%.

В данной статье представлены результаты анализа алгоритмов машинного обучения для сентиментального анализа данных на казахском языке, и в результате анализа опрделены эффективные алгоритмы. В связи с увеличением объем казахскоязычного контента в социальных сетях, новостях и интернет-магазинах, также возросла потребность в инструментах и ​​методах обработки данных на казахском языке в целях получения ценной информации о мнениях и взглядах людей. Поэтому набор данных, использованный в исследовании, был собран из реальных интернет-магазинов и новостных сайтов. Объем собранный набор данных составляет 1500 записей, 80% из которых использовались для обучения алгоритмов, а 20% — для тестирования. Для сентиментального анализа данных рассмотрены алгоритмы маштнного обучения такие как логистическая регрессия, мультиномиальный наивный байесовский метод, метод опорных векторов (SVM), XGBoost и длинная краткосрочная память (LSTM) глубокого обучения. В ходе исследования тестирован алгоритмы увеличивая набора данных с 500 записей до 1500 записей, а также были реализованы и протестированы различные методы алгоритмов, такие как индивидуальный, ансамблевый и расширенный. Результаты, полученные в ходе тестирования, были представлены по показателям точности алгоритмов.

В настоящее время теория и методы машинного обучения (МО) быстро развиваются и все шире используются в различных областях науки и техники, в частности в производстве, образовании и медицине. Слабо контролируемое обучение – это часть исследований в области машинного обучения, направленная на разработку моделей и методов анализа различных типов информации. При формулировании задачи обучения со слабо контролируемой обучением предполагается, что некоторые объекты в модели определены неправильно. Эту неточность можно понимать по-разному. Слабо контролируемое обучение – это тип метода машинного обучения, при котором модель обучается с использованием неполных, неточных или неточных сигналов наблюдения, а не с использованием полностью проверенных данных. Слабо контролируемое обучение часто возникает в реальных задачах по разным причинам. Это может быть связано с высокой стоимостью процесса маркировки данных, низкой точностью датчиков, недостатком опыта экспертов или человеческой ошибкой. Например, маркировка плохого контроля осуществляется в случаях, полученных методами краудсорсинга: для каждого объекта имеется набор различных оценок, качество которых зависит от мастерства исполнителей. Другой пример – проблема обнаружения объекта на изображении. Ограничительные линии – это распространенный способ указания местоположения и размера объектов, обнаруженных на изображении, в задачах обнаружения объектов. В статье представлен алгоритм решения многокритериальной задачи слабо контролируемой регрессии с использованием метрики Вассерштейна, различной регуляризации и матрицы коассоциации в качестве матрицы подобия. В работе также был усовершенствован алгоритм расчета средневзвешенной матрицы коассоциаций. Мы сравниваем предложенный алгоритм с существующими алгоритмами обучения с учителем и обучения без учителя на синтетических и реальных данных.

Дүниежүзілік денсаулық сақтау ұйымының мәліметі бойынша, әлемде жыл сайын 17 миллионнан астам адам қан айналымы жүйесінің ауруларынан қайтыс болады, олардың жартысы коронарлық артерия ауруы мен ми инсультінен қайтыс болады. Болжамдық бағалаулар қазіргі өсу қарқынын сақтай отырып, қан айналымы жүйесі ауруларынан болатын өлім-жітім 2024 жылға қарай дүние жүзінде жылына 25 миллион адамға жетуі мүмкін екенін көрсетеді.Инсульт-бұл әртүрлі патогенетикалық механизмдерге негізделген құрылымдық күрделі ауру. Бұл патологияның көп компоненттілігін, сондай-ақ оның күрделі құрылымын ескере отырып, медициналық қауымдастық әртүрлі белгілерді тануға негізделген әртүрлі бағалау алгоритмдерін әзірледі. Бұл алгоритмдердің тиімділігін анықтау ең маңызды деп танылды. Қате белгілер КТ кескіндерін қолмен аннотациялау процесінде рентгенолог жасаған дәлсіздіктер нәтижесінде пайда болады. Науқасқа диагноз кезінде пайда болатын қателіктердің алдын алуға көмектеседі.Конволюциялық нейрондық желі (CNN) мидың инсульт деректері жинағында кескіндерді классификациялауды орындау үшін қолданылады. Деректер жиынтығы аз болғандықтан, бүкіл нейрондық желіні оқыту жақсы нәтиже бермейді, сондықтан дәлірек нәтиже алу үшін модельдік оқыту трансферлік оқыту тұжырымдамасын қолданады. Трансферлік оқыту-бұл белгілі бір тапсырманың моделі басқа тапсырманың бастапқы нүктесі ретінде қолданылатын әдіс. Атап айтқанда, жұмыста қойылған мәселе үшін Imagenet шкалалары бар Inception v3 моделі қолданылады. Машиналық оқытуды пайдалану кезінде мидың 2515 қалыпты және инсульттан зардап шеккен аймақтарының компьютерлік томографиялық суреттері бар деректер жинағы алынды. Құрылған нейрондық желінің міндеті-берілген кескінді классификациялау, яғни оның қалыпты немесе зақымдалған екенін анықтау. Осы алгоритмді қолдана отырып, дәлдік 65 пайыздан 99,2 пайызға дейін өсті, ал шығындар 7,532 пайыздан 0,756 пайызға дейін төмендеді. Негізгі көрсеткіштер: 99,6 % дәлдік, 99,2 % шолу, F1-баға 99,1 % болды.

На сегодняшний день объемы аналитических данных достигли критических масштабов, что ставит под сомнение традиционные методы их хранения, основанные на реляционных базах данных, которые не всегда могут эффективно справляться с такими объемами. Решения NoSQL открывают новые перспективы для обработки аналитических данных, особенно в контексте использования многомерных моделей. Исследования проводимые в данной статье посвящена сравнению возможностей применения NoSQL базы данных для аналитических систем с выбором СУБД ClickHouse. В работе представлен краткий сравнительный анализ преимуществ данной программы. В практической части рассмотрены методы создания многомерной модели данных на основе не реляционных баз данных. В статье приведен ClickHouse на примере создания OLAP с последующим сравнением возможностей с СУБД PostgreSQL. В заключении анализируются архитектура и компоненты OLAP системы.

В статье рассматривается информационная система, позволяющая оптимизировать бизнес-процессы и IT-процессы за счет автоматизации с использованием инструментов проектного управления и предназначенная для интеграции существующих подсистем. Для проектирования любой технологически сложной системы используются специальные инструменты. Архитектор составляет план проекта, инженер – чертёж детали. Бизнес – это такая же сложная система с множеством связей, объектов и взаимодействий. Для построения архитектуры бизнеса используются специальные системы бизнес-моделирования, одной из которых является программа Fox Manager BPA. Для того, чтобы решать проблемы системно, а не интуитивно, необходимо спроектировать архитектуру бизнеса, прописать правила и стандарты работы, распределить ответственность за функции среди персонала и контролировать их выполнение. Представлена информационная система поддержки принятия решений с использованием разнородных пространственных данных для оптимизации процесса управления компанией. Методика, предложенная для верификации ИС впервые применяется в исследуемых системах. В статье также приведены исследования актуальных задач в области информационных технологий в сфере телекоммуникаций. В современных условиях информационные технологии (ИТ) в компаниях присутствуют как необходимый атрибут технологии управления процессом производства товаров и услуг, экономического анализа и принятия управленческих решений. В настоящее время ИТ используются во многих сферах управленческой деятельности, все чаще становятся важным фактором и средством решения многочисленных управленческих задач. Для проектирования любой технологически сложной системы используются специальные инструменты.