In Kazakhstan, more than 70 engineering anti-sedimentation protective structures are operated, most of which were put into operation in the period 1974–1985. During the same time, more than 30 mudflows were registered in the basins of mudflows, many of which were accompanied by the removal of a large amount of solid material to the protective structures, and the issues of cleaning mudflows by excavators are annual planned work of the operational divisions of Kazselezashchita. The main type of engineering protection is the construction of capital dams with village storages capable of accommodating from 100 thousand m3 to 15 million m3 of mudflow. The types of structures are different: dams of settling tanks and sections of stabilized channels within cities and settlements, for safe passage of post-mudflows and nanowater flows. In connection with their long-term operation, the issue of frequency, methods and means of mechanization of cleaning of silos, settling tanks, selesbass paths, and the amount of annual costs for work becomes more and more urgent. However, the issues of operating dams in the conditions of annual nanowater floods, the development of modern technologies and means of mechanization of cleaning silos from coarse clastic soils are very relevant. The value of the work consists in the development of the design and manufacture of a prototype, methods for calculating and selecting the parameters of the bucket of an excavator with a hydraulically controlled jaw for excavation during the development of large-fragment inclusions of mudslides.

The article presents a method of experimental research and created stand with metrological equip-ment that allows to simulate the complex process of milling asphalt concrete samples by force and coordinate closure. As a result of the research, regression equations describing the milling parame-ters of asphalt concrete samples, were obtained. It is established that during the transition from the power (elastic) closure of the technological system to the rigid (coordinate) one, milling errors de-crease by up to 15 % and their spread is up to 30 %. The developed method for restoring the road surface can be applied in practice not only within Kazakhstan, but outside the country, as well

Cam rollers can be used to break up cold asphalt pavements. In Kazakhstan, about 70 % of roads have such coatings. It is most effective to open at temperatures above 20 °C. To reduce the traction force and uniform movement of the roller, it is necessary to eliminate the resistance of the coating to the exit of the cams, when rolling the drum by pivoting the cams in the roller's direction. The reliability of the theoretical studies' results was confirmed by production tests of the cam rollers during the opening of the asphalt concrete pavement on the Gulshad-Akchatau highway

In recent years, research has been underway to create working bodies of excavation machines that allow digging soil at higher speeds. One of these new types of machines are excavation and transport machines with an inertial bottom discharge rotor. The paper presents the results of studies of high-speed digging and proposes a method for determining the average values of the energy intensity of soil transportation, and the proposed equations can be recommended for calculating the inertial rotor. The table of costs of specific energy consumption and productivity from the speed of rotation of the rotor at constant chip sizes is given. The analysis of studies showed that the energy intensity increases with an increase in the speed of rotation of the rotor, and the productivity grows according to a linear law. The inertial-type rotor during the test proved to be quite efficient, and the performance of the tested rotor is four times higher than that of the existing gravity-type rotor.

The paper considers the comparative analyses of machine learning algorithms for dataset: cardio_train.csv from kaggle.com (link: https://www.kaggle.com/sulianova/cardiovascular-disease-dataset).Moreover, using machine learning algo-rithms there will be discovered the best accuracy algorithms for the cardio_train.csv. Considering procedures have done in Python 3.0 programming language, which represents confusion matrix and classification report, in order to see precision score, recall, f1-score, and support. Furthermore, in this paper you are able to see following classification models: KNN algorithm, Logistic Regression, Decision Tree, Random Forest, Naïve Bayes and SVM. As a result, it will be defined the superior accura-cy for processing medical dataset.

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.