Вы находитесь на странице: 1из 9

Ярославский педагогический вестник – 2020 – № 4 (115)

УДК 378
Д. А. Власов https://orcid.org/0000-0001-9763-9078
Инструментальное средство Neuraltools в системе
прикладной математической подготовки будущего экономиста
Для цитирования: Власов Д. А. Инструментальное средство Neuraltools в системе прикладной математической
подготовки будущего экономиста // Ярославский педагогический вестник. 2020. № 4 (115). С. 63-71.
DOI 10.20323/1813-145Х-2020-4-115-63-71
В центре внимания статьи – дидактические и исследовательские возможности нового инструментального
средства Neuraltools, раскрытие которых в учебном процессе по дисциплинам «Теория принятия решений» и
«Инструментальные методы в экономике» позволяет расширить количество прикладных задач социально-
экономического содержания, а также включить в содержание указанных дисциплин новые прикладные задачи
на принятие решений в условиях неполных данных. Не вызывает сомнения, что методы и модели современной
теории принятия решений играют системообразующую роль в профессиональной подготовке будущих
экономистов. Однако включение их в учебный процесс в экономическом университете требует от преподавателя
математических дисциплин высокой цифровой культуры, в том числе компетентности в выборе оптимального
инструментального средства, поддерживающего исследование прикладных задач нового типа.
В качестве такого инструментального средства выступает продукт Neuraltools, созданный для программной
реализации интеллектуального прогнозирования развития социально-экономических ситуаций по неполным
данным. Отмечается, что особенностью NeuralTools является возможность выполнения вычислительного
процесса непосредственно в MS Excel. Эта особенность играет важную роль в процессе адаптации студентов к
новому инструментальному средству. Представленные в статье механизмы демонстрируют, что NeuralTools
позволяет вывести процесс принятия решений на новый уровень благодаря выполнению интеллектуального
анализа данных посредством нейронных сетей. Особо выделяется роль NeuralTools в процессе получения новых
выводов и создания интеллектуальных прогнозов развития исследуемой социально-экономической ситуации.
Созданный банк прикладных задач социально-экономической тематики для работы в инструментальном
средстве NeuralTools, представленный в данной статье, включает задачи в области банковского дела, финансов и
ценных бумаг, страхования и перестрахования, управления производством, маркетинговых исследований,
управления проектами и включен в практику подготовки бакалавров и магистров экономики в РЭУ им.
Г. В. Плеханова.
Ключевые слова: бакалавр экономики, нейронная сеть, принятие решений, инструментальное средство,
информатизация, информационные технологии, математическая подготовка, моделирование, информационная
ситуация, прикладная задача.

D. A. Vlasov
Instrumental means of Neuraltools in the system of applied
mathematical training of future economist
The article focuses on didactic and research opportunities of new instrumental means of Neuraltools which disclo-
sure in the educational process on disciplines «The theory of decision-making» and «Instrumental methods in econo-
my» allow us to expand quantity of applied problems of social and economic contents and also to include in the content
of the specified disciplines new applied tasks on decision-making in the conditions of incomplete data. There are no
doubts that the backbone place in professional training of future economists is allocated to methods and models of the
modern theory of decision-making. However inclusion of these methods and models in the educational process at the
economic university demands from the teacher of mathematical disciplines of high digital culture, including compe-
tence of the choice of the optimum instrumental means supporting a research of applied problems of a new type. Neu-
raltools product created for program implementation of intellectual forecasting of development of social and economic
situations in incomplete data acts as such an instrumental means. It is noted that feature of NeuralTools is the possibility
of execution of computation process directly in MS Excel. This feature plays an important role in the course of adapta-
tion of students to this new instrumental means. The presented mechanisms show that NeuralTools allows us to bring
decision-making process to a new level thanks to execution of intelligent data analysis by means of neural networks.
NeuralTools role in the course of receiving new outputs and creation of intellectual forecasts of development of the

____________________________________________
© Власов Д. А., 2020

Инструментальное средство Neuraltools в системе прикладной математической подготовки 63


будущего экономиста
Ярославский педагогический вестник – 2020 – № 4 (115)

studied social and economic situation is especially selected. The created bank of applied problems of socio-economic
issues for work in instrumental means of NeuralTools presented in this article includes tasks in the field of banking,
finance and securities, insurance and reinsurance, production management, market researches, includes project man-
agements in practice of training of bachelors and masters of economy in REU named after G. V. Plekhanov.
Keywords: bachelor of economy, neural network, decision-making, instrumental means, informatization, infor-
mation technologies, mathematical preparation, modeling, information situation, applied task.
Введение С нашей точки зрения, в процессе проектиро-
Современные условия усложнения социаль- вания содержания обучения по дисциплинам
но-экономических и финансовых отношений «Теория принятия решений» (уровень бакалаври-
предъявляют повышенные требования к профес- ата), «Инструментальные методы в экономике»
сиональной компетентности выпускников эко- (уровень магистратуры) необходимо акцентиро-
номических университетов – бакалавров и маги- вать внимание на прогностической силе создавае-
стров экономики. С целью обеспечения высокого мых моделей социально-экономических ситуаций.
качества прикладной математической подго- Без обновления перечня прикладных задач соци-
товки в экономическом бакалавриате нами про- ально-экономического содержания невозможно
должается поиск новых информационных техно- формирование адекватных представлений о прие-
логий и инструментальных средств, востребо- мах, методах, сфере применения и ограничений
ванных в исследованиях социально- математического и имитационного моделирова-
экономических ситуаций и в практике принятия ния. Однако новое содержание прикладной мате-
решений. Их методически обоснованное исполь- матической подготовки будущего экономиста,
зование позволяет нам на новом уровне подойти элементы которого представлены в данной статье,
к развитию инновационных компонентов про- направленное на развитие прогностической куль-
фессиональной компетентности выпускников. туры и соответствующее принципам нового тех-
Одним из таких инновационных компонентов нологического целеполагания, обостряют необхо-
является прогностическая культура будущего димость поиска информационных технологий и
бакалавра экономики, наиболее значимо прояв- инструментальных средств, способных в большей
ляющаяся в контексте принятия научно обосно- степени обеспечить поддержку учебно-
ванных решений в различных областях хозяй- познавательной деятельности студентов эконо-
ственно-экономической деятельности. мического университета.
Ранее в работах автора была обоснована
Новое инструментальное средство
необходимость развития прикладной математи-
NeuralTools для профессиональной подготовки
ческой подготовки будущего бакалавра эконо-
будущего экономиста
мики, представлены подходы к проектированию
Инструментальное средство NeuralTools пред-
содержания обучения прикладным математиче-
лагает программную реализацию интеллектуаль-
ским дисциплинам («Теория риска», «Теория
ного прогнозирования развития социально-
игр», «Теория принятия решений», «Методы оп-
экономических ситуаций по неполным данным.
тимального управления», «Методы исследования
Отличительной особенностью прикладного про-
нелинейной экономической динамики» и др.),
дукта NeuralTools является возможность выполне-
выявлены направления информатизации учебно-
ния вычислительного процесса непосредственно в
го процесса по прикладным математическим
электронных таблицах MS Excel. Эта особенность
дисциплинам. В рамках данной статьи будут
играет важную роль в процессе адаптации студен-
раскрыты особое направление и особый вид ма-
тов экономического бакалавриата к новому ин-
тематической деятельности. Исследователи от-
струментальному средству.
мечают востребованность методов и моделей
Практика принятия решений при анализе раз-
прогнозирования в различных контекстах [Све-
нообразных социально-экономических проблем и
туньков, 2019, Лихачев, 2003, Кулапов, 2018].
ситуаций требует построения прогнозов сценари-
Анализ требований работодателей, сотруднича-
ев их развития на основе большого объема дан-
ющих с Центром развития карьеры РЭУ им.
ных. Также возникает объемная и сложная задача
Г. В. Плеханова, подтверждает необходимость
классификации, методологически связанная с
включения методов и моделей прогнозирования
прогнозированием. Зачастую лицо, принимающее
в практику прикладной математической подго-
решение, сталкивается с необходимостью опи-
товки будущего бакалавра экономики.
раться на неполные данные. Эти обстоятельства
64 Д. А. Власов
Ярославский педагогический вестник – 2020 – № 4 (115)

отражены в рамках прикладной математической ях частичной и полной неопределенности, данный


подготовки будущего бакалавра и магистра эко- класс задач остается одним из сложных и трудных
номики, реализуемой в Российском экономиче- в практике реализации прикладной математиче-
ском университете им. Г. В. Плеханова. Несо- ской подготовки будущего бакалавра экономики.
мненно, в условиях распространяющегося приме- Отдельным классом задач теории принятия
нения интеллектуального прогнозирования раз- решений выступают задачи с историческими дан-
вития социально-экономических ситуаций необ- ными (пусть и не исчерпывающими). В этом слу-
ходима модернизация прикладной математиче- чае инструментальное средство NeuralTools поз-
ской подготовки будущего бакалавра экономики воляет вывести процесс принятия решения на но-
посредством усиления ее прогностической вый уровень благодаря выполнению специального
направленности. Также востребованными стано- интеллектуального анализа данных посредством
вятся информационные технологии и инструмен- нейронных сетей [Schmidhuber, 2015, Shchukina,
тальные средства, применение которых в практике 2019, Sukhorukova, 2018]. Особый интерес в ас-
принятия решений существенно облегчает вычис- пекте приложений нейронных сетей для анализа
лительный процесс, позволяет комплексно ис- экономических проблем и ситуаций представляет
пользовать различные экономико-математические исследование В. И. Горбаченко [Горбаченко,
методы [Власов, 2019, с. 52], ориентироваться в 2019]. «В нем даны основные характеристики не-
множестве экономико-математических методов в четких множеств и нечеткой логики, раскрыто
контексте возможностей их практического ис- понятие нечетких нейронных (гибридных) сетей,
пользования, сравнивать и содержательно интер- представлены алгоритмы нечеткого вывода и оп-
претировать полученные результаты в терминах тимизации нечеткой нейронной сети». Ставя на
рассматриваемых социально-экономических ситу- первое место возможности компьютерной реали-
аций. зации нейронных сетей для анализа реальных
Несомненно, описанная выше проблематика проблем и ситуаций, Ф. А. Новиков отмечает:
имеет принципиальное значение для развития «Современные тенденции в области применения
профессиональной компетентности будущего ба- компьютеров характеризуются возрастанием зна-
калавра и магистра экономики, структурными чения методов искусственного интеллекта в про-
компонентами которой выступают компетенции в граммном обеспечении. Системы искусственного
области математического и имитационного моде- интеллекта с пользой применяются в реальной
лирования, способности выбирать оптимальное жизни, в различных сферах – от медицинской ди-
инструментальное средство и применять его для агностики до управления космическими аппара-
анализа задач принятия решений. тами» [Новиков, 2019].
Учебная дисциплина «Теория принятия реше- Среди прикладных возможностей NeuralTools
ний» занимает системообразующее место в си- укажем поддержку решений в финансовой сфере.
стеме прикладной математической подготовки В частности, прикладную математическую подго-
будущего бакалавра экономики. Рассматривая со- товку будущего бакалавра экономики можно уси-
ответствующую научную и образовательную об- лить посредством включения в содержание мате-
ласть, авторы выделяют различные аспекты, ак- матических дисциплин прикладных задач нового
центируя внимание в основном на категориях типа. Например, задач на принятие решений в
«Неопределенность», «Риск» [Белов, 2019, Тихо- сфере кредитования, страхования и перестрахова-
миров 1997, Тихомиров, 2010], «Антикризисное ния [Сухорукова, 2017, Сухорукова, 2019, Сухору-
управление» [Коротков, 2019], «Планирование» и кова, 2018].
«Прогнозирование» [Невская, 2017]. Так, алгоритмы NeuralTools позволяют анали-
Большинство исследователей сходятся во мне- зировать процесс предоставления кредита, про-
нии, что в процессе принятия решений при анали- гнозируя значение вероятности своевременного
зе социально-экономических ситуации полной возврата денежных средств. В прикладном кон-
информации практически никогда не бывает. Дру- тексте NeuralTools позволяет использовать алго-
гими словами, большая часть социально- ритмы нечеткого вывода с целью минимизации
экономических ситуаций характеризуются ча- транзакционного риска финансовых операций.
стичной или полной неопределенностью, что Это достигается за счет идентификации транзак-
усложняет процесс выбора и обоснования выбора ций по банковским и кредитным картам, которые
оптимального решения. Несмотря на наличие раз- с определенной вероятностью являются мошен-
работанных методов принятия решений в услови- ническими. Также алгоритмы NeuralTools оказы-
Инструментальное средство Neuraltools 65
в системе прикладной математической подготовки будущего экономиста
Ярославский педагогический вестник – 2020 – № 4 (115)

ваются востребованными в Call-центрах благода- ким образом, включение NeuralTools в практику


ря возможности прогнозирования объемов звон- прикладной математической подготовки будущего
ков. В этой ситуации решается прикладная задача бакалавра экономики снимает ряд вычислитель-
определения оптимальной стратегии кадрового ных и организационных вопросов, однако не ре-
обеспечения. шает проблемы выбора данных для просмотра и
анализа, определения источника этих данных,
Обзор методических особенностей исполь-
определения уровня доверия к информационной
зования инструментального средства
ситуации рассматриваемой задачи принятия ре-
NeuralTools в практике преподавания при-
шений.
кладных математических дисциплин
С методической точки зрения особого внима-
Как уже отмечалось ранее, весь вычислитель-
ния заслуживает интуитивно понятный интерфейс
ный процесс в рамках инструментального сред-
NeuralTools. Благодаря максимальному удобству
ства NeuralTools реализован в среде MS Excel. Бла-
использования студенту предоставляется возмож-
годаря внедрению NeuralTools в учебный процесс
ность выбрать любую переменную для практиче-
студенты по-новому учатся строить точные про-
ски моментального построения визуализаций
гнозы на основе скрытых закономерностей, об-
данных. Далее студенты переходят к обработке и
наруженных инструментальным средством в
настройке созданных визуализаций данных, к ко-
подгруженных данных. Важно отметить, что по-
торым относятся
сле подгрузки данных алгоритмы NeuralTools
− простейшие графики;
начинают изучать их структуру так, как это сделал
− простейшие диаграммы;
бы человеческий мозг. Благодаря новому понима-
− гистограммы;
нию имеющихся данных инструментальное сред-
− кумулятивные диаграммы;
ство NeuralTools позволяет пользователю сформу-
− графы тенденций;
лировать новые выводы и создавать интеллекту-
− диаграммы особого типа, например ящич-
альные прогнозы развития исследуемой социаль-
ковые, типа «Дерево» и др.).
но-экономической ситуации. Однако в процессе
На завершающем этапе применения
прикладной математической подготовки будущего
NeuralTools визуализации данных можно реко-
бакалавра экономики важно акцентировать вни-
мендовать использовать с целью создания отчетов
мание студентов на том, что создаваемая инстру-
и презентаций, в процессе прохождения произ-
ментальным средством NeuralTools модель не
водственной и преддипломной практики, выпол-
способна в полной мере заменить реальную соци-
нения выпускной квалификационной работы,
ально-экономическую ситуацию и окончательный
проектной деятельности.
выбор оптимального решения на основе прогноз-
Далее остановимся на основных принципах
ных значений параметров остается за исследова-
работы инструментального средства NeuralTools.
телем.
В контексте содержания прикладной математиче-
С инструментальной точки зрения новое сред-
ской подготовки будущего бакалавра и магистра
ство интеллектуального анализа данных
экономики данный вопрос является вариативным,
NeuralTools позволяет студентам на практических
и глубина его раскрытия зависит от специфики
занятиях по учебным дисциплинам «Теория при-
направления подготовки. Также в условиях дефи-
нятия решений» (четвертый год обучения в эко-
цита аудиторных часов рассмотрение данного во-
номическом бакалавриате) и «Инструментальные
проса целесообразно существенно сократить или
методы в экономике» (первый год обучения в эко-
перенести на самостоятельное изучение. Макси-
номической магистратуре) просматривать и ана-
мально принципы работы инструментального
лизировать разнообразные наборы данных, пред-
средства NeuralTools интересны студентам
варительно представленные в MS Excel. В случае,
направления «Математические методы в экономи-
если студенты экономического бакалавриата уже
ке», «Прикладная математика и информатика»,
знакомы с инструментальным средством @RISK
«Математическое обеспечение и администриро-
[Власов, 2018], используемым в рамках учебной
вание информационных систем», «Бизнес-
дисциплины «Теория риска», освоение
информатика и информационная безопасность».
NeuralTools требует меньших временных затрат,
Следует отметить, что в основе NeuralTools лежит
так как данное инструментальное средство ис-
анализ нейронных сетей. В контексте анализа со-
пользует ту же процедуру построения диаграмм,
циально-экономической ситуации мы считаем це-
которая изучена ранее для построения графиков и
таблиц в инструментальном средстве @RISK. Та-
66 Д. А. Власов
Ярославский педагогический вестник – 2020 – № 4 (115)

лесообразным представить в виде последователь- тальных средств, применяемых в рамках при-


ности трех процедур. кладной математической подготовки будущего
Процедура 1. «Обучение сети на подгружен- экономиста, позволяет сформировать у студентов
ных данных по анализируемой социально- компетенции в области создания и использования
экономической ситуации». надежных и точных прогнозов, создаваемых в ра-
Процедура 2. Тестирование точности обучен- нее изученной среде MS Excel.
ной сети, соответствующей анализируемой соци-
Проектирование системы прикладных за-
ально-экономической ситуации».
дач для обновления содержания прикладной
Процедура 3. «Прогнозирование развития со-
математической подготовки будущего эконо-
циально-экономической ситуации по новым дан-
миста
ным».
Содержание прикладных задач, решение кото-
Благодаря внедрению NeuralTools в практику
рых требует применения нейронных сетей, доста-
преподавания учебных дисциплин «Теория при-
точно широко и в контексте развития прикладной
нятия решений» и «Инструментальные методы в
математической подготовки будущего экономиста
экономике» студенту предоставлена возможность
нам представляется следующим: задачи в области
выполнения этих сложнейших процедур автома-
банковского дела, задачи в области финансов и
тически в виде одной несложной операции, осно-
ценных бумаг, задачи в области формирования
ву которой составляют методы вычислительной
социальной политики [Тихомиров, 1993], задачи в
математики [Пантина, 2012]. Интересно, что
области страхования и перестрахования
NeuralTools не только позволяет расширить клас-
[Shchukina, 2019], задачи в области управления
сы анализируемых социально-экономических си-
производством [Гармаш, 2019], задачи в области
туаций, но и работать с ранее исследованными
маркетинговых исследований, задачи в области
социально-экономическими ситуациями при из-
управления проектами [Алешина, 2015]. Далее
менении данных, их характеризующих.
приведем пятнадцать прикладных задач, разрабо-
Благодаря поддержке обновления прогнозов
танных по указанным направлениям.
при изменении данных по социально-
Прикладная задача 1. «Оптимальное ценооб-
экономической ситуации студентам не приходится
разование и прогнозирование цен».
специально повторно реализовывать прогнозиро-
Прикладная задача 2. «Идентификация и
вание. Учитывая востребованность комплексного
определение параметров социально-
применения математических методов принятия
экономических ситуаций».
решений, следует отметить, что совместное при-
Прикладная задача 3. «Оценка вероятности
менение алгоритмов нейронных сетей NeuralTools
погашения выданных кредитов в срок».
вместе с инструментальным средством Evolver
Прикладная задача 4. «Количественная оцен-
[Власов, 2018, с. 132] и традиционным средством
ка кредитоспособности заемщика».
«Поиск решений» в MS Excel позволяет оптими-
Прикладная задача 5. «Выявление мошенни-
зировать анализ сложных задач теории принятия
ческих транзакций на основе статистических дан-
решения, многоаспектно рассмотреть анализиру-
ных».
емую социально-экономическую ситуацию и в
Прикладная задача 6. «Идентификация целей
большей степени достичь поставленных дидакти-
при работе с проектами различных уровней слож-
ческих и исследовательских целей.
ности».
Перспективным направлением, на наш взгляд,
Прикладная задача 7. «Прогнозирование в
является исследование изменения творческой ак-
области инвестиционной деятельности».
тивности студентов при использовании новых
Прикладная задача 8. «Прогнозирование ко-
инструментальных средств, механизмы которого
лебаний курсов национальных валют».
представлены в исследовании В. В. Афанасьева
Прикладная задача 9. «Количественная оцен-
[Афанасьев, 1996]. Отметим, что ряд работ указы-
ка условий приема на страхование».
вают на востребованность новых информацион-
Прикладная задача 10. «Количественная
ных технологий и инструментальных средств [Ка-
оценка потери резервного фонда».
расев, 2018, Карасев, 2017, Муханов, 2018] как в
Прикладная задача 11. «Контроль качества на
контексте совершенствования программ высшего
основе концепции «Шесть сигм».
экономического образования, так и для решения
Прикладная задача 12. «Количественная
частно-методических проблем. Таким образом,
оценка и анализ маркетинговых стратегий кампа-
включение NeuralTools в перечень инструмен-
ний».
Инструментальное средство Neuraltools 67
в системе прикладной математической подготовки будущего экономиста
Ярославский педагогический вестник – 2020 – № 4 (115)

Прикладная задача 13. «Оценка запасов ре- ния на сопоставляемые переменные. Так, пере-
сурсов, используемых в процессе производства». менные, используемые студентом в разных набо-
Прикладная задача 14. «Прогнозирование рах данных (таких как обучение, тестирование и
поведения инвестора на рынке ценных бумаг». прогнозирование), нельзя представлять в одинако-
Прикладная задача 15. «Количественная вом порядке. Кроме того, они должны быть назва-
оценка качества и стоимости недвижимости». ны различными именами. Невыполнение этого
Представленная система прикладных задач ограничения приведет к невозможности построе-
может быть использована при создании новых ния прогноза и потребует внесения корректив.
электронных ресурсов образовательного назначе- Несмотря на указанное ограничение, менеджер
ния на основе информационно-аналитических нейронных сетей, встроенный в NeuralTools, поз-
технологий, принципы разработки которых рас- воляет студентам достаточно легко научиться
смотрены в исследовании Е. А. Смирнова [Смир- управлять обученными нейронными сетями. Гра-
нов, 2010]. ницы анализа социально-экономических ситуаций
После уточнения общих вопросов об инстру- расширены благодаря возможности использова-
ментальном средстве NeuralTools и его потенци- ния как числовых, так и категорийных данных.
альных возможностях для усиления прикладной При этом категорийные данные об инструмен-
направленности изучения математических дисци- тальном средстве NeuralTools воспринимает
плин в экономическом университете перейдем к напрямую. Эта возможность позволяет не вводить
рассмотрению специальных функций и преиму- фиктивные переменные, что облегчает работу с
ществ NeuralTools. Использование специальной категорийными данными, частно сопровождав-
функции динамического прогнозирования в ин- шими социально-экономические ситуации.
струментальном средстве NeuralTools делает до- NeuralTools обладает выраженными интегра-
ступным для студентов практически моменталь- тивными характеристиками, позволяющими ре-
ную автоматическую коррекцию ранее созданных ализовать настройку различных графиков и отче-
прогнозов при условии изменения подгружаемых тов по созданию прогнозов развития социально-
данных, относящихся к исследуемой социально- экономических ситуаций на основе стандартных
экономической ситуации. Реализация автомати- функций MS Excel. Кроме того, разработчики
ческого обучения, тестирование и прогнозирова- NeuralTools предусмотрели возможность ее сов-
ние развития социально-экономической ситуации местного использования с инструментальными
разработчиками инструментального средства средствами @RISK и Evolver.
NeuralTools объединены в одну операцию, что как С целью управления учебно-познавательной
в практике принятия решений, так и в процессе деятельностью студентов экономического бака-
обучения студентов способствует ускоренной раз- лавриата нами выделена последовательность эта-
работке более качественных прогнозов. пов по основанию и применению инструменталь-
Отметим: оформление функций инструмен- ного средства NeuralTools в учебном процессе и
тального средства NeuralTools выполнено в стиле при исследовании социально-экономических си-
MS Excel, что не требует дополнительного учебно- туаций.
го времени для знакомства студентов с интерфей- Этап 1. Просмотр данных социально-
сом панели инструментов, с техникой работы с экономической ситуации и планирование ее ана-
меню и основными командами. Среди продвину- лиза.
тых функций инструментального средства Этап 2. Создание набора данных в инструмен-
NeuralTools, имеющих принципиальное значение тальном средстве NeuralTools.
для подготовки магистра экономики, укажем Этап 3. Выбор настроек инструментального
функцию количественного анализа воздействия средства NeuralTools для уточнения направления
переменных на прогнозы, функцию ранжирования анализа социально-экономической ситуации: мак-
воздействия входных переменных на прогнозы, симизация критерия, минимизация критерия, мно-
функцию анализа чувствительности прогноза, гокритериальная задача, визуализация, прогнози-
функцию обучения и анализа данных, располо- рование и др.
женных на нескольких листах MS Excel. Этап 4. Реализация обучения, тестирование и
представление результатов (например, в виде про-
Выводы
гноза развития социально-экономической ситуа-
Суммируя техническую сторону и методиче-
ции).
ские особенности работы с инструментальным
средством NeuralTools, важно отметить ограниче-
68 Д. А. Власов
Ярославский педагогический вестник – 2020 – № 4 (115)

Этап 5. Содержательная интерпретация полу- нального сообщества / П. А. Карасев,


ченных результатов в терминах рассматриваемой Л. А. Чайковская // Экономика и управление: пробле-
социально-экономической ситуации. Возможно- мы, решения. 2017. Т. 3. № 2. С. 3-9.
сти полученных результатов в практике принятия 11. Коротков Э. М. Антикризисное управление :
учебник для академического бакалавриата. Москва :
решений.
Юрайт, 2019. 406 с.
Таким образом, инструментальное средство 12. Кулапов М. Н. Технологические аспекты тео-
NeuralTools обладает значительным исследова- рии управления инновационными процессами: си-
тельским и дидактическим потенциалом для со- стемный анализ и подходы к моделированию /
вершенствования прикладной математической М. Н. Кулапов, В. П. Варфоломеев, П. А. Карасев //
подготовки будущего экономиста в условиях ин- Друкеровский вестник. 2018. № 3 (23). С. 82-100.
форматизации высшей экономической школы, ак- 13. Лихачев Г. Г. Компьютерное моделирование и
тивизации научно-исследовательской деятельно- математическое обеспечение экономико-социальных
сти студентов и организации выполнения меж- задач / Г. Г. Лихачев, И. В. Сухорукова // Экономиче-
дисциплинарных проектов. ский анализ: теория и практика. 2003. № 5 (8).
С. 60-62.
Библиографический список 14. Муханов С. А. Использование информацион-
1. Алешина И. Ф. Учет инвестиционных проектов ных технологий для индивидуализации обучения ма-
в информационной управленческой системе органи- тематике на примере темы «Дифференциальные урав-
зации // Маркетинг MBA. Маркетинговое управление нения» / С. А. Муханов, А. А. Муханова,
предприятием. 2015. Т. 6. № 4. С. 56-62. А. И. Нижников // Вестник Московского городского
2. Афанасьев В. В. Экспериментальное исследова- педагогического университета. Серия: Информатика и
ние творческой активности студентов в процессе обу- информатизация образования. 2018. № 1 (43).
чения математике / В. В. Афанасьев, Е. И. Смирнов // С. 72-77.
Ярославский педагогический вестник. 1996. № 3. 15. Невская Н. А. Макроэкономическое планиро-
С. 110-115. вание и прогнозирование : учебник и практикум для
3. Белов П. Г. Управление рисками, системный академического бакалавриата. Москва : Юрайт, 2017.
анализ и моделирование ^ в 3 ч. Часть 2 : учебник и 542 с.
практикум для бакалавриата и магистратуры. Москва : 16. Новиков Ф. А. Символический искусственный
Юрайт, 2019. 250 с. интеллект: математические основы представления
4. Власов Д. А. MS Excel как система поддержки знаний : учебное пособие для академического бака-
принятия решений / Д. А. Власов, А. В. Синчуков // лавриата. Москва : Юрайт, 2019. 278 с.
International Journal of Open Information Technologies. 17. Пантина И. В. Вычислительная математика :
2019. Т. 7. № 3. С. 50-59. учебник / И. В. Пантина, А. В. Синчуков. Москва :
5. Власов Д. А. Инструментальное средство МФПУ «Синергия», 2012. 176 с.
@RISK в системе прикладной математической подго- 18. Светуньков И. С. Методы социально-
товки // Ярославский педагогический вестник. 2018. экономического прогнозирования : в 2 т. Т. 2. Модели
№ 3. С. 101-108. и методы : учебник и практикум для академического
6. Власов Д. А. Использование инструментального бакалавриата / И. С. Светуньков, С. Г. Светуньков.
средства Evolver 7.0 в математической подготовке сту- Москва : Юрайт, 2019. 447 с.
дента-экономиста // Ярославский педагогический 19. Смирнов Е. И. Проектирование информаци-
вестник. 2018. № 6. С. 131-137. онно-аналитических технологий обучения студентов-
7. Гармаш А. Н. Экономико-математические мето- экономистов / Е. И. Смирнов, Е. Н. Трофимец // Яро-
ды и прикладные модели : учебник для бакалавриата славский педагогический вестник. 2010. Т. 2. № 2.
и магистратуры / А. Н. Гармаш, И. В. Орлова, С. 137.
В. В. Федосеев ; под редакцией В. В. Федосеева. 20. Сухорукова И. В. Модель расчета стоимости
Москва : Юрайт, 2019. 328 с. страхового договора при совместном страховании /
8. Горбаченко В. И. Интеллектуальные системы: И. В. Сухорукова, Н. А. Чистякова // News of Science
нечеткие системы и сети : учебное пособие для вузов / and Education. 2017. Т. 10. № 1. С. 15-18.
В. И. Горбаченко, Б. С. Ахметов, О. Ю. Кузнецова. 21. Сухорукова И. В. Расчет математического ре-
Москва : Юрайт, 2019. 105 с. зерва страховой компании при совместном страхова-
9. Карасев П. А. Развитие человеческого капитала нии рисков / И. В. Сухорукова, Н. А. Чистякова //
в условиях четвертой промышленной революции / Вестник Марийского государственного университета.
П. А. Карасев, А. Е. Шкляев // Друкеровский вестник. Серия: Сельскохозяйственные науки. Экономические
2018. № 5 (25). С. 48-61. науки. 2019. Т. 5. № 1 (17). С. 116-123.
10. Карасев П. А. Совершенствование программ 22. Сухорукова И. В. Страхование рисков при
высшего образования в контексте современных требо- осуществлении совместной коммерческой деятельно-
ваний рынков образовательных услуг и профессио- сти компаньонов / И. В. Сухорукова,

Инструментальное средство Neuraltools 69


в системе прикладной математической подготовки будущего экономиста
Ярославский педагогический вестник – 2020 – № 4 (115)

Н. А. Чистякова // Проблемы научной мысли. 2018. Jaroslavskij pedagogicheskij vestnik. 2018. № 3.


Т. 4. № 1. С. 18-20. S. 101-108.
23. Тихомиров Н. П. Методы теории риска в 6. Vlasov D. A. Ispol'zovanie instrumental'nogo
управлении природоохранной деятельностью / sredstva Evolver 7.0 v matematicheskoj podgotovke stu-
Н. П. Тихомиров, Т. М. Тихомирова // Экономика при- denta-jekonomista = Using the Evolver 7.0 tool in Math
родопользования. 1997. № 5. С. 118-129. training for an economist student // Jaroslavskij pedagog-
24. Тихомиров Н. П. Моделирование социальных icheskij vestnik. 2018. № 6. S. 131-137.
процессов / Н. П. Тихомиров, В. Я. Райцин, 7. Garmash A. N. Jekonomiko-matematicheskie
Ю. Н. Гаврилец. Москва, 1993. 304 с. metody i prikladnye modeli = Economic and mathemati-
25. Тихомиров Н. П. Риск-анализ в экономике / cal methods and applied models : uchebnik dlja bakalav-
Н. П. Тихомиров, Т. М. Тихомирова. Москва : ЗАО riata i magistratury / A. N. Garmash, I. V. Orlova,
«Издательство «Экономика», 2010. 318 с. V. V. Fedoseev ; pod redakciej V. V. Fedoseeva. Moskva :
26. Трофимец Е. Н. Мотивация достижения в изу- Jurajt, 2019. 328 s.
чении математики студентами-экономистами на осно- 8. Gorbachenko V. I. Intellektual'nye sistemy:
ве анализа Фурье экономических временных рядов / nechetkie sistemy i seti = Intelligent systems: fuzzy sys-
Е. Н. Трофимец, В. Я. Трофимец, Е. И. Смирнов // tems and networks : uchebnoe posobie dlja vuzov /
Ярославский педагогический вестник. 2014. Т. 2. № 3. V. I. Gorbachenko, B. S. Ahmetov, O. Ju. Kuznecova.
С. 79-85. Moskva : Jurajt, 2019. 105 s.
27. Jürgen Schmidhuber Deep learning in neural 9. Karasev P. A. Razvitie chelovecheskogo kapitala v
networks: An overview // Neural Networks, Volume 61, uslovijah chetvertoj promyshlennoj revoljucii = Human
January 2015, Pages 85-117. capital development in the fourth industrial revolution /
28. Razmi J., Rafiei H., Hashemi M.: Designing a P. A. Karasev, A. E. Shkljaev // Drukerovskij vestnik.
decision support system to evaluate and select suppliers 2018. № 5 (25). S. 48-61.
using fuzzy analytic network process. Comput Ind Engg 10. Karasev P. A. Sovershenstvovanie programm
2009, 57(4): 1282-1290. vysshego obrazovanija v kontekste sovremennyh trebo-
29. Shchukina N. A., Goremykina G. I. Imitation vanij rynkov obrazovatel'nyh uslug i professional'nogo
modeling as an element of management and evaluation of soobshhestva = Improvement of higher education pro-
a bank department's work efficiency // Advances in Intel- grams in the context of modern requirements of educa-
ligent Systems and Computing. 2019. Т. 726. С. 456-463. tional services markets and the professional community /
30. Sukhorukova I. V., Chistyakova N. A. Methodical P. A. Karasev, L. A. Chajkovskaja // Jekonomika i uprav-
aspects of actuarial mathematics teaching // Astra Salven- lenie: problemy, reshenija. 2017. T. 3. № 2. S. 3-9.
sis. 2018. Т. 6. С. 847-857. 11. Korotkov Je. M. Antikrizisnoe upravlenie = Anti-
crisis management: textbook for academic undergraduate
Reference list
studies : uchebnik dlja akademicheskogo bakalavriata.
1. Aleshina I. F. Uchet investicionnyh proektov v in- Moskva : Jurajt, 2019. 406 s.
formacionnoj upravlencheskoj sisteme organizacii = Ac- 12. Kulapov M. N. Tehnologicheskie aspekty teorii
counting of investment projects in the organization's in- upravlenija innovacionnymi processami: sistemnyj analiz
formation management system // Marketing = MBA. i podhody k modelirovaniju = Technological aspects of
Marketingovoe upravlenie predprijatiem. 2015. T. 6. № 4. innovation management theory: systems analysis and
S. 56-62. modeling approaches / M. N. Kulapov, V. P. Varfolomeev,
2. Afanas'ev V. V. Jeksperimental'noe issledovanie P. A. Karasev // Drukerovskij vestnik. 2018. № 3 (23).
tvorcheskoj aktivnosti studentov v processe obuchenija S. 82-100.
matematike = Experimental study of the creative activity 13. Lihachev G. G. Komp'juternoe modelirovanie i
of students in the process of teaching mathematics / V. V. matematicheskoe obespechenie jekonomiko-social'nyh
Afanas'ev, E. I. Smirnov // Jaroslavskij pedagogicheskij zadach = Computer modeling and mathematical support
vestnik. 1996. № 3. S. 110-115. of economic and social problems / G. G. Lihachev,
3. Belov P. G. Upravlenie riskami, sistemnyj analiz i I. V. Suhorukova // Jekonomicheskij analiz: teorija i prak-
modelirovanie = Risk management, systems analysis and tika. 2003. № 5 (8). S. 60-62.
modelling : v 3 ch. Chast' 2 : uchebnik i praktikum dlja 14. Muhanov S. A. Ispol'zovanie informacionnyh
bakalavriata i magistratury. Moskva : Jurajt, 2019. 250 s. tehnologij dlja individualizacii obuchenija matematike na
4. Vlasov D. A. MS Excel kak sistema podderzhki primere temy «Differencial'nye uravnenija» = Using in-
prinjatija reshenij = MS Excel as decision support sys- formation technology to individualize Mathematics learn-
tem / D. A. Vlasov, A. V. Sinchukov // International Jour- ing using the topic of differential equations / S. A. Mu-
nal of Open Information Technologies. 2019. T. 7. № 3. hanov, A. A. Muhanova, A. I. Nizhnikov // Vestnik Mos-
S. 50-59. kovskogo gorodskogo pedagogicheskogo universiteta.
5. Vlasov D. A. Instrumental'noe sredstvo @RISK v Serija: Informatika i informatizacija obrazovanija. 2018.
sisteme prikladnoj matematicheskoj podgotovki = RISK № 1 (43). S. 72-77.
Tool in the system of applied mathematical preparation //

70 Д. А. Власов
Ярославский педагогический вестник – 2020 – № 4 (115)

15. Nevskaja N. A. Makrojekonomicheskoe plani- 22. Suhorukova I. V. Strahovanie riskov pri


rovanie i prognozirovanie = Macroeconomic planning and osushhestvlenii sovmestnoj kommercheskoj dejatel'nosti
forecasting : uchebnik i praktikum dlja akademicheskogo kompan'onov = Risk insurance in joint business activities
bakalavriata. Moskva : Jurajt, 2017. 542 s. of partners / I. V. Suhorukova, N. A. Chistjakova // Prob-
16. Novikov F. A. Simvolicheskij iskusstvennyj intel- lemy nauchnoj mysli. 2018. T. 4. № 1. S. 18-20.
lekt: matematicheskie osnovy predstavlenija znanij = 23. Tihomirov N. P. Metody teorii riska v upravlenii
Symbolic artificial intelligence: mathematical foundations prirodoohrannoj dejatel'nosti = Risk insurance in joint
of knowledge representation : uchebnoe posobie dlja business activities of partners / N. P. Tihomirov,
akademicheskogo bakalavriata. Moskva : Jurajt, 2019. T. M. Tihomirova // Jekonomika prirodopol'zovanija.
278 s. 1997. № 5. S. 118-129.
17. Pantina I. V. Vychislitel'naja matematika = Calcu- 24. Tihomirov N. P. Modelirovanie social'nyh pro-
lus mathematics : uchebnik / I. V. Pantina, A. V. Sinchu- cessov = Modeling social processes / N. P. Tihomirov,
kov. Moskva : MFPU «Sinergija», 2012. 176 s. V. Ja. Rajcin, Ju. N. Gavrilec. Moskva, 1993. 304 s.
18. Svetun'kov I. S. Metody social'no- 25. Tihomirov N. P. Risk-analiz v jekonomike = Risk
jekonomicheskogo prognozirovanija = Socio-economic analysis in the economy / N. P. Tihomirov, T. M. Ti-
forecasting methods : v 2 t. T. 2. Modeli i metody : homirova. Moskva : ZAO «Izdatel'stvo «Jekonomika»,
uchebnik i praktikum dlja akademicheskogo bakalavriata / 2010. 318 s.
I. S. Svetun'kov, S. G. Svetun'kov. Moskva : Jurajt, 2019. 26. Trofimec E. N. Motivacija dostizhenija v izuche-
447 s. nii matematiki studentami-jekonomistami na osnove ana-
19. Smirnov E. I. Proektirovanie informacionno- liza Fur'e jekonomicheskih vremennyh rjadov = Motiva-
analiticheskih tehnologij obuchenija studentov- tion for achievement in the study of mathematics by stu-
jekonomistov = Design of information and analytical dent-economists based on Fourier analysis of economic
technologies for education of student-economists / E. I. time series / E. N. Trofimec, V. Ja. Trofimec,
Smirnov, E. N. Trofimec // Jaroslavskij pedagogicheskij E. I. Smirnov // Jaroslavskij pedagogicheskij vestnik.
vestnik. 2010. T. 2. № 2. S. 137. 2014. T. 2. № 3. S. 79-85.
20. Suhorukova I. V. Model' rascheta stoimosti 27. Jürgen Schmidhuber Deep learning in neural
strahovogo dogovora pri sovmestnom strahovanii = Joint networks: An overview // Neural Networks, Volume 61,
insurance cost model / I. V. Suhorukova, N. A. Chistjako- January 2015, Pages 85-117.
va // News of Science and Education. 2017. T. 10. № 1. 28. Razmi J., Rafiei H., Hashemi M.: Designing a
S. 15-18. decision support system to evaluate and select suppliers
21. Suhorukova I. V. Raschet matematicheskogo using fuzzy analytic network process. Comput Ind Engg
rezerva strahovoj kompanii pri sovmestnom strahovanii 2009, 57(4): 1282-1290.
riskov = Calculation of the mathematical reserve of the 29. Shchukina N. A., Goremykina G. I. Imitation
insurance company in case of joint risk insurance / modeling as an element of management and evaluation of
I. V. Suhorukova, N. A. Chistjakova // Vestnik Marijskogo a bank department's work efficiency // Advances in Intel-
gosudarstvennogo universiteta. Serija: Sel'skohozjajst- ligent Systems and Computing. 2019. T. 726. S. 456-463.
vennye nauki. Jekonomicheskie nauki. 2019. T. 5. № 1 30. Sukhorukova I. V., Chistyakova N. A. Methodical
(17). S. 116-123. aspects of actuarial mathematics teaching // Astra Salven-
sis. 2018. T. 6. S. 847-857.

Инструментальное средство Neuraltools 71


в системе прикладной математической подготовки будущего экономиста