English
Zarichuk, O.
(2023).
Hybrid approaches to machine learning in software development: Applying artificial intelligence to automate and improve processes.
Development Management,
22(4),
53-60.
https://doi.org/10.57111/devt/4.2023.53
Українська
Стаття
Гібридні підходи до машинного навчання в галузі розроблення ПЗ: Застосування штучного інтелекту для автоматизації та поліпшення процесів
Отримано 11.05.2023, Доопрацьовано 12.10.2023, Прийнято 29.11.2023
Анотація
Дослідження гібридних підходів машинного навчання є актуальним, адже дані підходи мають великий потенціал у підвищенні прогностичної точності та автоматизації програмного забезпечення, а їх використання стає все більш поширеним. Метою цієї роботи було надання рекомендацій для застосування гібридних методів машинного навчання, а також аналіз сфер застосування штучного інтелекту, який використовується для автоматизації та покращення процесів. За допомогою аналітичного методу було виявлено та визначено проблеми, пов’язані із використанням гібридних підходів до машинного навчання. Застосування статистичного методу дозволило оцінити розвиток стійкості і продуктивності гібридних підходів машинного навчання. Відзначено особливості та відмінності машинного навчання в галузі розроблення програмного забезпечення. Проаналізовано помилки та причини, які допускаються при покращенні процесів розроблення. Встановлено, що важливе значення має всебічний аналіз функціонування штучного інтелекту з метою оцінки його ефективності, розвитку та ускладнення роботи при автоматизації та поліпшенні розроблення. Розглянуто питання оцінки роботи даного типу підходів, доцільність їх використання, обмеження у процесі, вплив обмежень на результат. Визначено, що використання штучного інтелекту у процесі автоматизації та поліпшенні процесів розроблення забезпечить підвищення якості оптимізації ресурсів. В дослідженні запропоновано рекомендації, які сприятимуть ефективному регулювання даного питання. Практична цінність роботи полягає у можливості застосування отриманих результатів для усунення помилок у розробці та вдосконаленні гібридних підходів, вивченні надійності застосування штучного інтелекту з урахуванням різних факторів, які служать основою для рекомендацій щодо доцільного використання
Ключові слова:
прогностична точність; оптимізація ресурсів; захист інформації; скорочення часу розробки; кібербезпека
- 976 Переглядів
- Читати статтю
Використані джерела
[1] Arpaci, I., & Bahari, M. (2023). Investigating the role of psychological needs in predicting the educational sustainability of Metaverse using a deep learning-based hybrid SEM-ANN technique. Interactive Learning Environments. doi: 10.1080/10494820.2022.2164313.
[2] Baduge, S.K., Thilakarathna, S., Perera, J.S., Arashpour, M., Sharafi, P., Teodosio, B., Shringi, A., & Mendis, P. (2022). Artificial intelligence and smart vision for building and construction 4.0: Machine and deep learning methods and applications. Automation in Construction, 141, article number 104440. doi: 10.1016/j.autcon.2022.104440.
[3] Banna, M.H.A., Ghosh, T., Nahian, M.J.A., Kaiser, M.S., Mahmud, M., Taher, K.A., Hossain, M.S., & Andersson, K. (2023). A hybrid deep learning model to predict the impact of COVID-19 on mental health from social media big data. IEEE Access, 11, 77009-77022. doi: 10.1109/ACCESS.2023.3293857.
[4] Beerbaum, D.O. (2022). Artificial intelligence ethics taxonomy-robotic process automation (RPA) as business case. SSRN. doi: 10.2139/ssrn.4165048.
[5] Bharadiya, J.P. (2023). Machine learning and AI in business intelligence: Trends and opportunities. International Journal of Computer (IJC), 48(1), 123-134.
[6] Byelov, D.M., & Bielova, M.V. (2023). Artificial intelligence in judicial proceedings and court decisions, potential and risks. Scientific Bulletin of the Uzhhorod National University, 2(78), 315-320. doi: 10.24144/2307-3322.2023.78.2.50.
[7] Celik, I., Dindar, M., Muukkonen, H., & Järvelä, S. (2022). The promises and challenges of artificial intelligence for teachers: A systematic review of research. TechTrends, 66, 616-630. doi: 10.1007/s11528-022-00715-y.
[8] Ivanova, I., Borovyk, T., Zalozna, T., & Rudenko, A. (2023). Use of artificial intelligence for marketing. Marketing and Digital Technologies, 7(2), 32-42. doi: 10.15276/mdt.7.2.2023.3.
[9] Jarrahi, M.H., Askay, D., Eshraghi, A., & Smith, P. (2023). Artificial intelligence and knowledge management: A partnership between human and AI. Business Horizons, 66(1), 87-99. doi: 10.1016/j.bushor.2022.03.002.
[10] Javaid, M., Haleem, A., Singh, R.P., & Suman, R. (2022). Artificial intelligence applications for industry 4.0: A literature-based study. Journal of Industrial Integration and Management, 7(1), 83-111. doi: 10.1142/S2424862221300040.
[11] Kochkodan, V., Petryna, M., & Stankovska, I. (2023). Application of machine learning and artificial intelligence in oilfield development. Scientific Bulletin of Ivano-Frankivsk National Technical University of Oil and Gas, 1(27), 16-26. doi: 10.31471/2409-0948-2023-1(27)-16-26.
[12] Lareyre, F., Behrendt, C.-A., Chaudhuri, A., Lee, R., Carrier, M., Adam, C., Duy Lê, C., & Raffort, J. (2023). Applications of artificial intelligence for patients with peripheral artery disease. Journal of Vascular Surgery, 77(2), 650-658. doi: 10.1016/j.jvs.2022.07.160.
[13] Nazarova, K., Parasii-Verhunenko, I., & Ostapets, A. (2023). Risk classification of IT industry companies. Bulletin of the Kyiv National University of Trade and Economics, 150(4), 120-137. doi: 10.31617/1.2023(150)08.
[14] Povolotskyi, B. (2019). Mobile application with Telegram-bot of the Konotop Industrial Pedagogical Professional College of Sumy State University. (Master thesis, Sumy State University, Sumy, Ukraine).
[15] Rajagopal, B.R., Anjanadevi, B., Tahreem, M., Kumar, S., Debnath, M., & Tongkachok, K. (2022). Comparative analysis of blockchain technology and artificial intelligence and its impact on open issues of automation in workplace. In 2022 2nd international conference on advance computing and innovative technologies in engineering (ICACITE) (pp. 288-292). Greater Noida: IEEE. doi: 10.1109/ICACITE53722.2022.9823792.
[16] Ramachandran, K.K., Mary, A.A.S., Hawladar, S., Asokk, D., Bhaskar, B., & Pitroda, J.R. (2022). Machine learning and role of artificial intelligence in optimizing work performance and employee behavior. Materials Today: Proceedings, 51(8), 2327-2331. doi: 10.1016/j.matpr.2021.11.544.
[17] Ray, S.S., Verma, R.K., Singh, A., Ganesapillai, M., & Kwon, Y.N. (2023). A holistic review on how artificial intelligence has redefined water treatment and seawater desalination processes. Desalination, 546, article number 116221. doi: 10.1016/j.desal.2022.116221.
[18] Smyrnov, O., & Borysenko, A. (2023). Trend in software-defined vehicles. Bulletin of Mechanical Engineering and Transport, 17(1), 163-169. doi: 10.31649/2413-4503-2023-17-1-163-169.
[19] Talukder, A., Hasan, K.F., Islam, M., Uddin, A., Akhter, A., Yousuf, M.A., Alhabri, F., & Moni, M.A. (2023). A dependable hybrid machine learning model for network intrusion detection. Journal of Information Security and Applications, 72, article number 103405. doi: 10.1016/j.jisa.2022.103405.
[20] Yarovoy, T. (2023). Opportunities and risks of the use of artificial intelligence in public administration. Economic Synergy, 2, 36-47. doi: 10.53920/ES-2023-2-3.