Использование нейросетей в управлении проектом
Современные нейросетевые технологии все чаще рассматриваются как один из самых перспективных инструментов для повышения качества управления проектами. Связано это с тем, что современные проекты становятся все более сложными, а количество данных, которые нужно учитывать при принятии решений, все время растет. Поэтому важно использовать такие подходы, которые помогают не только обрабатывать информацию, но и находить в ней неочевидные закономерности.
Особенно актуальной эта тема становится в условиях цифровой трансформации IT-сектора, где традиционные способы управления проектами нередко не позволяют учитывать неочевидные закономерности в больших массивах информации. Нейросети в этом смысле выглядят очень перспективно, потому что они способны обучаться на данных, находить сложные связи между разными показателями и анализировать параметры проекта режиме реального времени. Поэтому появляется шанс точнее оценивать ход выполнения задач, прогнозировать проблемы и быстрее принимать управленческие решения.Основная идея нашего исследования – нейросетевые алгоритмы можно и нужно использовать для автоматического выявления скрытых паттернов в проектной информации. На основе этого возможно создавать более гибкие и динамичные системы оценки рисков. Такие системы способны учитывать не только отдельные показатели, но и сложные нелинейные связи между ними.
Основная идея нашего исследования – нейросетевые алгоритмы можно и нужно использовать для автоматического выявления скрытых паттернов в проектной информации. На основе этого возможно создавать более гибкие и динамичные системы оценки рисков. Такие системы способны учитывать не только отдельные показатели, но и сложные нелинейные связи между ними.
Введение.........................................................................................................
3
Глава 1. Теоретические основы нейросетей................................................
6
1.1. Определение и принципы работы искусственных нейронных сетей.
6
1.2. Основные архитектуры нейросетей: перцептрон, многослойный перцептрон, рекуррентные и сверточные сети............................................
8
1.3 Алгоритмы обучения нейросетей: градиентный спуск, обратное распространение ошибки..............................................................................
12
Глава 2. Моделирование интеграции нейросетей.......................................
14
2.1. Анализ существующих подходов к применению нейросетей в управлении проектами..................................................................................
14
2.2 Кейс-стади: использование нейросетей для прогнозирования сроков и рисков в IT-проектах..................................................................................
16
2.3 Разработка концептуальной модели интеграции нейросетей в процесс управления проектами....................................................................
20
Глава 3. Оценка эффективности модели.....................................................
23
3.1 Методология оценки эффективности предложенной модели.............
23
3.2 Сравнительный анализ эффективности нейросетевой модели и традиционных методов прогнозирования...................................................
24
3.3 Преимущества, ограничения и перспективы внедрения нейросетей в управление проектами................................................................................
26
Заключение.....................................................................................................
28
Список использованных источников...........................................................
32
Учебники, монографии, брошюры
1. Бань В.А. Особенности и методы современной практики управления проектными задачами // 59-я научная конференция аспирантов, магистрантов и студентов БГУИР. – Минск, 2023. – С.49-50.
2. Барсуков А.П. Кто есть кто в робототехнике. Справочник. Вып.1. – М.: ДМК-Пресс, 2005. – 160 с.
3. Бэстенс, Д.-Э., Ван Ден Берг, В.-М., Вуд, Д. Нейронные сети и финансовые рынки: принятие решений в торговых операциях. – Москва: ТВП, 1997. – 236 с.
4. Гафаров Ф.М., Галимянов А.Ф. Искусственные нейронные сети и их приложения. – Казань: Издательство Казанского университета, 2018. – 121 с.
5. Голубова О.С., Нгуен Т.Т.Н. Зарубежный опыт использования искусственной нейронной сети для прогнозирования стоимости строительства // Труды БГТУ. Сер. 5, Экономика и управление. – 2023. – №1. – С.22-30.
6. Грабауров В.А. Информационные технологии для менеджеров / / В. А. Грабауров. – Москва : Финансы и статистика, 2002. – 366 с.
7. Короткий С. Нейронные сети Хопфилда [Электронный ресурс]. –Режим доступа: https://masters.donntu.ru/2007/kita/bolkunevich/library/
korotkiy.htm?ysclid=moskyv533w704100412 – Загл. с экрана.
8. Луценко Е.В. Интеллектуальные информационные системы / Е.В. Луценко. – Краснодар: КубГАУ, 2006. – 615 с.
9. Мурзагалеев Т.М., Жукова Н.А. Разработка модели прогнозирования ресурсов для выполнения задач по управлению проектами при проектировании и строительстве объектов // Международная конференция по мягким вычислениям и измерениям (SCM'2025). – Санкт-Петербург, 2025. – С.430-433.
Периодические издания
10. Анил К. Джейн. Введение в искусственные нейронные сети / К. Джейн Анил, Мао Жианчанг, К.М. Моиуддин // Открытые системы. – 1997. – №4. – С.31-44.
11. Антипов С.С., Бурковский В.Л., Поцебнева И.В. Интеллектуализация процессов принятия решений в системах управления рисками на базе нейронных сетей семейства ART // Моделирование, оптимизация и информационные технологии. – 2024. – №2. – С.1-11.
12. Воловик В.Э. Анализ применения нейронных сетей для прогнозирования экономических показателей строительных проектов // Управленческий учет. – 2024. – №12. – С.88-92.
13. Измайлов М.К. Применение искусственного интеллекта для оптимизации рутинных административных задач: возможности, проблемы и перспективы // Вестник ПГУ. Серия: Экономика. – 2024. – №4. – С.395-408.
14. Запорожцев И.Ф., Середа А.-В.И. Использование искусственных нейронных сетей для прогнозирования временной изменчивости пространственного распределения характеристик океанической поверхности // Вестник МГТУ. – 2013. – №4. – С.708-714.
15. Захаров Д.А. Современные подходы и тенденции управления проектами в строительной отрасли // Прогрессивная экономика. – 2024. – №12. – С.248-256.
16. Карпов В. Э. Эволюционное моделирование. Проблемы формы и содержания // Новости искусственного интеллекта. – 2003. – № 5. – С.35–46.
17. Мирзаянц К.С., Воробьева О.А., Головина О.Д. Искусственный интеллект в управлении проектами: тренды, возможности, первый опыт // Вестник Удмуртского университета. Серия «Экономика и право». – 2025. – №4. – С.615-621.
18. Стариков Д.А. Интеграция технологий искусственного интеллекта в процессы управления организационными знаниями // Вестник евразийской науки. – 2025. – №3. – С.1-10.
19. Титов А.И. Использование нейросетевой аппроксимации при оценке трудоемкости разработки программного обеспечения // Труды СПИИРАН. – 2016. – №44. – С.20-30.
20. Туманов А.Ю., Коршунов Г.И. Методика оценки риска проектов по разработке систем обеспечения устойчивости функционирования объектов с использованием нейронных сетей // Известия Самарского научного центра Российской академии наук. – 2024. – №1. – С.100-104.
21. Харитонов Д. Р. Будущее управления проектами: искусственный интеллект, автоматизация и цифровые помощники // Вестник науки. – 2025. – №6 (87). – С.290-300.
Электронные ресурсы
22. Административно-управленческий портал http://www.aup.ru
23. Информационный портал https://openknowledge.worldbank.org
24. Информационно-правовой портал «Гарант» http://base.garant.ru
25. Официальный сайт «КОммерсантЪ» https://www.kommersant.ru/
26. Официальный интернет-портал правовой информации http://www.pravo.gov.ru/
27. СПС КонсультантПлюс http://www.consultant.ru/
28. Научная электронная библиотека «КиберЛенинка» https://cyberleninka.ru/
