Ключевое слово: «математическое моделирование»

В статье рассматривается применение программы для прогнозирования результатов спортивных матчей. Особое внимание уделяется использованию распределения Пуассона, которое позволяет оценивать вероятность различных исходов на основе средней результативности команд. В работе приводится теоретическое обоснование формулы Пуассона и её адаптация к задачам спортивной аналитики. Также представлен пример реализации программы на языке Python, которая позволяет предсказывать возможные результаты матчей с учётом статистических данных о командах. Результаты исследования могут быть полезны для аналитиков, тренеров и любителей ставок на спорт.

В современном образовании все чаще используется трансдисциплинарный подход, выводящий его на новый, более высокий уровень познания. В появлении уникальных трансдисциплинарных научных областей таких, как кибернетика, искусственный интеллект (ИИ), большие данные и др., решающее значение имеет математика. Целью статьи является обоснование необходимости внедрения курса «Математические основы искусственного интеллекта» в вузах и его трансдисциплинарной роли в обучении. При обосновании трансдисциплинарной роли учитывается, что системы ИИ основываются на дискретных разделах математики и разделах информатики. Эти разделы синтезируют некое новое, ранее разрозненное проблемное поле, надстраиваемое над традиционной сеткой изучаемых дисциплин. На основе изучения этих разделов формируется трансдисциплинарный стиль мышления и новое целостное мировоззрение, готовность к системному решению сложных проблем природы и общества. В исследовании ведущую роль играли методы системного анализа развития ИИ и его математических основ, важных в повышении производительности компьютеров. В соответствии с культурологическим подходом в исследовании выделены наиболее значимые составляющие математической культуры исследований ИИ, какими являются математическое моделирование и дискретная математика. В результате системного анализа выявлены структурные элементы профильного содержания курса (модуля) «Математические основы искусственного интеллекта» для реализации трансдисциплинарной роли этого курса. Выявлены «куррикулумные» концептуальные положения о выработке рекомендаций для содержания типовых учебных программ обучения данному курсу в вузах. Важными в подготовке студентов являются положения о том, что математика едина и обладает внутренней логикой. Поэтому обучение системам ИИ важно осуществлять на основе логически корректно осуществляемой взаимосвязи дискретной и непрерывной математики. Указанный курс лежит в основе формирования ряда общепрофессиональных компетенций в области ИИ: способности разрабатывать оригинальные алгоритмы и программные продукты для решения профессиональных задач; способности разрабатывать и модернизировать программное и аппаратное обеспечение информационных и автоматизированных комплексов. Предлагаемый курс способствует формированию общепрофессиональных компетенций в области ИИ при подготовке студентов различных направлений. Теоретическая и практическая значимость исследования состоит в том, что выявлены и охарактеризованы структурные элементы и дидактические положения отбора профильного содержания курса «Математические основы искусственного интеллекта».

Рассматривается приварки седлового отвода к полиэтиленовой трубе на открытом воздухе при низких температурах. В отличие от ранее исследованных видов сварки деталями с закладными нагревателями седловой отвод имеет сложную конфигурацию, что исключает использование разработанных методик определения параметров сварки, основанных на 2D моделировании теплового процесса. С помощью 3D математического моделирования теплового процесса предложены методики определения параметров при сварке в условиях низких температур на стадии предварительного подогрева и выравнивания температур. Показано, что распределение температур в конце выравнивания неоднородно. Тем не менее, границы зон термического влияния в конце нагрева по стандартному режиму при допустимой и низкой температуре практически идентичны.