ІНСТРУМЕНТИ ШТУЧНОГО ІНТЕЛЕКТУ ДЛЯ СИСТЕМНОГО АНАЛІЗУ

Автор(и)

DOI:

https://doi.org/10.35546/kntu2078-4481.2024.4.46

Ключові слова:

штучний інтелект, ШІ, машинне навчання, системний аналіз, аналіз даних, системний аналітик, великі дані, тестування

Анотація

Впровадження інструментів штучного інтелекту (ШІ) та машинного навчання в аналітику даних зробило революцію в інтерпретації даних, надаючи безпрецедентну інформацію та полегшуючи прийняття рішень на основі даних у різних секторах. Фахівці у сфері системного аналізу даних можуть використовувати різні інструменти для покращення процесів аналізу, ухвалення рішень і управління ризиками. Вибір інструментів залежить від конкретних потреб системного аналізу, типу даних та цілей аналізу. Інтеграція ШІ в діяльність аналітиків даних дозволяє значно покращити ефективність і точність їхньої роботи. У статті проаналізовано способи застосування ШІ-інструментів в системному аналізі, серед яких: аналіз даних, автоматизація та роботизація, візуалізація даних, системи підтримки ухвалення рішень, обробка природної мови (NLP), прогнозна аналітики та аналіз ризиків, системи експертних знань. У роботі запропоновано стратегії, які допоможуть організаціям зорієнтуватися у складнощах інтеграції ШІ та машинного навчання в системний аналіз задля покращення процесів аналізу, ухвалення рішень та управління ризиками. Інструменти ШІ систематизовано та зібрано у групи, залежно від їхньої специфіки і відповідно до сфери можливого використання у системному аналізі. У кожній з груп наведено та охарактеризовано декілька сучасних ШІ-інструментів для розв’язання спеціалізованих задач. Такий системний підхід дозволить фахівцям у сфері системного аналізу даних швидко зорієнтуватися з вибором можливих інструментів при розв’язанні конкретного завдання та розглянути можливі альтернативні варіанти інструментарію. Правильний та швидкий вибір ШІ-інструмента є важливим, оскільки допомагає фахівцю швидко досягти потрібного результату з меншою витратою сил. Отримані результати можуть бути використані для оптимізації роботи фахівців різних професій у сфері системного аналізу.

Посилання

Aleryani A. Eliciting Client Requirements in Developing Information Systems Using Artificial Intelligence (Opportunities and Challenges). International Journal of Recent Engineering Science. 2024. Vol. 11(3). P. 126-133. DOI: https://doi.org/10.14445/23497157/IJRES-V11I3P115

Ozkaya I. An AI Engineer Versus a Software Engineer. IEEE Software. 2022. Vol. 39, Issue: 6. P. 4-7. DOI: https://doi.org/10.1109/MS.2022.3161756.

Wang Ch., Lee B., Drucker S., Marshall D., Gao J. Data Formulator 2: Iteratively Creating Rich Visualizations with AI. arXiv. 2024. Vol. 2408.16119. DOI: https://doi.org/10.48550/arXiv.2408.16119

Johnson K., Lawrence A. AI/ML in Security Orchestration, Automation and Response: Future Research Directions. Intelligent Automation & Soft Computing. 2021. Vol. 28(2). P. 527-545. DOI: https://doi.org/10.32604/iasc.2021.016240

Abbasi M., Nishat R., Bond C., Graham-Knight B., Lasserre P., Lucet Y., Najjaran H. A Review of AI and Machine Learning Contribution in Predictive Business Process Management (Process Enhancement and Process Improvement Approaches). arXiv. 2024. Vol. 2407.11043. DOI: https://doi.org/10.48550/arXiv.2407.11043

Gartner Unveils Top Predictions for IT Organizations and Users in 2025 and Beyond. URL: https://www.gartner.com/en/newsroom/press-releases/2024-10-22-gartner-unveils-top-predictions-for-it-organizations-and-users-in-2025-and-beyond

Gartner Predicts AI Software Will Grow To $297 Billion By 2027. URL: https://www.linkedin.com/pulse/gartnerpredicts-ai-software-grow-297-billion-2027-louis-columbus-okpfc

What is AI analytics? URL: https://www.ibm.com/think/topics/ai-analytics

Modern techniques for data cleansing and transformation. URL: https://www.linkedin.com/pulse/moderntechniques-data-cleansing-transformation-gxiaf/

Стрілець М.І., Трофименко О.Г. Стратегії та перспективи розвитку системного аналізу з впровадженням штучного інтелекту. Актуальні питання автоматизації та інформаційних технологій (АТІТ-2024): матер. III всеукр. наук.-практ. конф., 21 листопада 2024р., Кременчук. URL: https://atit.kdu.edu.ua/publ.php

Трофименко, О. Г., Соколов, А. В., Чикунов, П. О., Ахмаметьєва, Г. В., Манаков С. Ю. (2024). Штучний інтелект у військовій кіберсфері. Технології та інжиніринг, 4(21), 85–92. https://doi.org/10.30857/2786-5371.2024.4.8.

Gartner: AI to reshape organizations and workplaces by 2025. URL: https://backendnews.net/gartner-ai-toreshape-organizations-and-workplaces-by-2025/

20 Top Rated Data Analytics Tools Of 2024. URL: https://airbyte.com/top-etl-tools-for-sources/data-analyticstools

Miguel P.G. 23 Best Cloud Service Providers Reviewed For 2024. URL: https://thectoclub.com/tools/best-cloudservice-providers/

Top 24 tools for data analysis and how to decide between them. URL: https://ua.stitchdata.com/resources/dataanalysis-tools/

10 Data Analysis Tools and When to Use Them. Coursera. URL: https://www.coursera.org/articles/data-analysistools

Amazon Kinesis vs Apache Storm: Which Tool is Better for Your Next Project? URL: https://www.projectpro.io/compare/amazon-kinesis-vs-apache-storm

Data quality checks. DataRbot. URL: https://docs.datarobot.com/en/docs/data/analyze-data/quality-check.html

Ransford A. MLOps: A deep dive into TFX, Kubeflow, ZenML, and MLflow. URL: https://medium.com/@ransford.addai/mlops-a-deep-dive-into-tfx-kubeflow-zenml-and-mlflow-847f57c47b03

##submission.downloads##

Опубліковано

2024-12-30