Исследование интеллектуальной предиктивной аналитики на базе интеграции методов конструирования признаков гетерогенных динамических данных для машинного обучения и методов предиктивного мультимодального анализа данных.

Целью исследования является поиск эффективной интеграции моделей, методов конструирования признаков машинного обучения, методов оценки наборов данных, методов формирования предметных рекомендательных систем, методов интеллектуального анализа динамики процессов в задачах предиктивной аналитики с учетом требований доверительного интеллекта при проектировании отраслевых решений. Особенности многомерных данных динамики показателей: 1) информационные системы современных предприятий содержат такой объем данных динамики показателей, который, несомненно, можно отнести к классу больших данных; 2) данные динамики показателей имеют гетерогенную природу; 3) длина последовательностей данных динамики показателей различна для отдельных систем и объектов, которым принадлежат показатели; 4) семантика данных динамики показателей зависима от контекста; 5) контекст данных динамики показателей составляет не только описание объекта, которому принадлежат показатели, но и широкая совокупность других объектов и процессов предметной области; 6) фрагментарная автоматизация современных предприятий приводит к фрагментации и неполноте данных динамики показателей, что значительно повышает степень неопределенности описания объектов и процессов некоторой предметной области. Перечисленные особенности данных динамики показателей позволяют позитивно оценивать возможности эффективной интеграции моделей представления сведений о предметной области и методов интеллектуального анализа данных динамики показателей.