ON THE ISSUE OF SOLVING DIGITAL PROJECTS BASED ON DATA

The article discusses the principles of development of modern sectors of the economy based on digital transformation. Examples of technologies for using data are given, such as machine learning, statistical analysis, simulation modeling, predictive analytics. The general concept of digital technologies and their specification are considered in the context of the possibility of working with big data. Examples of industries are given in which the use of neural networks is most in demand today.

1. Дэвид М. Путеводитель по цифровому будущему: отрасли, организации и профессии / М. Дэвид. – М.: Альпина Паблишер, 2020 – 215 с.

2. Кожушко О. А. Интернет-маркетинг и digital-стратегии. Принципы эффективного использования / О. А. Кожушко, А. Ю. Агеев, И. В. Чуркин – М.: Олимп-Бизнес, 2015. – 327 с.

3. Колесниченко О. Ю. Data Science (наука о данных) в становлении информационного общества: учебное пособие / О. Ю. Колесниченко. – Москва: Прометей, 2021. – 52 c. – ISBN 978-5-00172-110-9. – Текст: электронный // Цифровой образовательный ресурс IPR SMART : [сайт]. – URL: https://www.iprbookshop.ru/125600.html (дата обращения: 09.11.2022). – Режим доступа: для авторизир. Пользователей

4. Линкина А. В. Информационное обеспечение цифровых технологий в агропромышленном комплексе / А. В. Линкина, И. Ю. Богданчиков // Вестник Воронежского института высоких технологий. – 2021. – № 2 (37). – С. 25-27.

5. Львович А. И. Алгоритмизация процесса визуально-экспертного моделирования при оптимизации управления развитием организационных систем с использованием мониторинговой информации / А. И. Львович, А. П. Преображенский. // Моделирование, оптимизация и информационные технологии. – 2022. – Т. 10. – №1 (36). – [Электронный ресурс]: https://moitvivt.ru/ru/journal/article?id=1154 (дата обращения 10.09.2022)

6. Мельникова Т. В. Моделирование обработки больших массивов данных в распределенных информационно-телекоммуникационных системах / Т. В. Мельникова, М. В. Питолин, Ю. П. Преображенский // Моделирование, оптимизация и информационные технологии. – 2022. – Т. 10. – №1 (36). – [Электронный ресурс]: https://moitvivt.ru/journal/article?id=1117 (дата обращения: 10.09.2022)

7. Платонов А. В. Машинное обучение: учебное пособие для вузов / А. В. Платонов. – Москва: Издательство Юрайт, 2023. – 85 с. – (Высшее образование). – ISBN 978-5-534-15561-7. – Текст: электронный // Образовательная платформа Юрайт [сайт]. – URL: https://urait.ru/bcode/520544 (дата обращения: 15.10.2022)

8. Федин Ф. О. Анализ данных. Часть 2. Инструменты Data Mining: учебное пособие / Ф. О. Федин, Ф. Ф. Федин. – Москва: Московский городской педагогический университет, 2012. – 308 c. – Текст: электронный // Цифровой образовательный ресурс IPR SMART : [сайт]. – URL: https://www.iprbookshop.ru/26445.html (дата обращения: 13.10.2022). – Режим доступа: для авторизир. пользователей.

9. Чубукова И. А. Data Mining : учебное пособие / И. А. Чубукова; 3-е изд. – Москва, Саратов: Интернет-Университет Информационных Технологий (ИНТУИТ), Ай Пи Ар Медиа, 2020. – 469 c. – ISBN 978-5-4497-0289-0. – Текст : электронный // Цифровой образовательный ресурс IPR SMART : [сайт]. – URL: https://www.iprbookshop.ru/89404.html (дата обращения: 19.11.2022). – Режим доступа: для авторизир. Пользователей

10. Чупринская Ю. Л. Краткий обзор современных технологических трендов

11. в контексте цифровой трансформации / Ю. Л. Чупринская, А. В. Линкина // Вестник Воронежского института высоких технологий. – 2022. – № 1 (40). – С. 107-109