ПРОЕКТНАЯ РАЗРАБОТКА СИСТЕМЫ ОПТИМИЗАЦИИ БИЗНЕС-ПРОЦЕССОВ НА ОСНОВЕ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ
Экономика и предпринимательство · 25.05.2026 · (3(188)) · 924-927
DOI: 10.34925/eip.2026.188.3.147 ↗Kurz gefasst
Fachartikel in der Zeitschrift Экономика и предпринимательство, erschienen am 25.05.2026. Verfasst von О.Н. ЧЕРНЫХ und 1 weiteren Autor:innen. Die Arbeit nennt 5 Literaturangaben.
Abstract (Originalsprache)
Современный этап технологической трансформации, характеризуемый активной цифровизацией и распространением интеллектуальных систем, предъявляет новые требования к управлению предприятиями. В конкурентной среде ключевыми факторами успеха становятся оперативность, точность и экономическая эффективность выполнения операций. В данной статье рассматривается комплексный подход к совершенствованию внутренних процессов организации путём внедрения алгоритмов машинного обучения (Machine Learning, ML). The current stage of technological transformation, characterized by active digitalization and the spread of intelligent systems, imposes new requirements on enterprise management. In a competitive environment, the key factors for success are the speed, accuracy, and cost-effectiveness of operations. This article explores a comprehensive approach to improving an organization's internal processes by implementing machine learning algorithms (Machine Learning, ML).
Zitieren
APA
ЧЕРНЫХ, О., & ЕРМОЛИНА, Л. (2026). ПРОЕКТНАЯ РАЗРАБОТКА СИСТЕМЫ ОПТИМИЗАЦИИ БИЗНЕС-ПРОЦЕССОВ НА ОСНОВЕ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ. Экономика и предпринимательство, 924-927. https://doi.org/10.34925/eip.2026.188.3.147
Vancouver
ЧЕРНЫХ О, ЕРМОЛИНА Л. ПРОЕКТНАЯ РАЗРАБОТКА СИСТЕМЫ ОПТИМИЗАЦИИ БИЗНЕС-ПРОЦЕССОВ НА ОСНОВЕ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ. Экономика и предпринимательство. 2026:924-927. doi:10.34925/eip.2026.188.3.147
BibTeX
@article{2026,
author = {ЧЕРНЫХ, О.Н. and ЕРМОЛИНА, Л.В.},
title = {ПРОЕКТНАЯ РАЗРАБОТКА СИСТЕМЫ ОПТИМИЗАЦИИ БИЗНЕС-ПРОЦЕССОВ НА ОСНОВЕ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ},
journal = {Экономика и предпринимательство},
year = {2026},
number = {3(188)},
pages = {924--927},
doi = {10.34925/eip.2026.188.3.147}
}
EUVIMED