Please use this identifier to cite or link to this item: http://earchive.tpu.ru/handle/11683/66523
Title: Разработка модели для определения наиболее вероятной длительности задач проекта методами нейронных сетей
Authors: Курбонов, Шамил Алиевич
metadata.dc.contributor.advisor: Фадеев, Александр Сергеевич
Keywords: разработка; модель; машинное обучение; обработка текста; текстовые области; статистика; word2vec; nlp; python; gensim; numpy
Issue Date: 2021
Citation: Курбонов Ш. А. Разработка модели для определения наиболее вероятной длительности задач проекта методами нейронных сетей : магистерская диссертация / Ш. А. Курбонов ; Национальный исследовательский Томский политехнический университет (ТПУ), Инженерная школа информационных технологий и робототехники (ИШИТР), Отделение информационных технологий (ОИТ) ; науч. рук. А. С. Фадеев. — Томск, 2021.
Abstract: Объектом проектирования и разработки является модель для определения наиболее вероятной длительности задач методами нейронных сетей и анализа рисков по задачам. В процессе исследования был проведён анализ рисков и разработан сервис для генерации факторов риска по задачам, на основании которого был произведён выбор модели для дальнейшей реализации. В результате был предложен нейросетевой модель который позволяет анализировать факторы по задачам и предсказывать трудозатраты. В ходе проведения анализа были подобраны такие параметры, при которых модель предсказывает трудозатраты с высокой точности.
The object of design and development is a model for determining the most probable duration of tasks using neural networks and risk analysis for tasks. In the course of the research, a risk analysis was carried out and a service was developed for generating risk factors for tasks, on the basis of which a model was selected for further implementation. As a result, a neural network model was proposed that allows you to analyze factors by task and predict labor costs. In the course of the analysis, such parameters were selected at which the model predicts labor costs with high accuracy.
URI: http://earchive.tpu.ru/handle/11683/66523
Appears in Collections:Магистерские диссертации

Files in This Item:
File Description SizeFormat 
TPU1155453.pdf2,88 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.