Развитие науки о данных на факультете государственного управления МГУ имени М.В.Ломоносова

Аннотация

Относительно недавно сформировавшаяся академическая дисциплина Data Science заняла прочные позиции в структуре наук и включает в себя топовые концепции современности: искусственный интеллект, большие данные, цифровизация и др. Статья раскрывает развитие науки о данных на одном из подразделений МГУ имени М.В. Ломоносова – факультете государственного управления. Учитывая специфику/профиль факультета, в статье рассматриваются такие отраслевые направления/приложения Data Science как менеджмент, управление персоналом, региональное управление, вопросы национальной безопасности, социальное управление, электоральное поведение, миграционные процессы, проблемы этики государственной службы и др. Последовательно излагаются результаты применения методов, инструментов и технологий Data Science в этих сферах: адаптации методологии науки о данных к управленческим и социально-экономическим дисциплинам, введение новых метрик для изучения государства, общества, отдельных организаций. Подчеркивается важность сотрудничества факультета с Академией наук (РАН), с Российскими научными фондами, органами власти и управления, зарубежными партнерами. Раскрывается научно-организационная деятельность (конференции, научные семинары, публикации) факультета как важный фактор институционализации науки о данных в России. Отмечается, что данная наука исторически неразрывна связана с государственным управлением. В статье также рассматриваются перспективы науки о данных в ближайшем будущем, роль Московского университета как лидера научного познания и том вкладе, который факультет внес в становление науки о данных. В статье также показывается, как на фундаменте научных исследований в Data Science на факультете созданы новые магистерские программы, новые дисциплины для бакалавриата и магистратуры. Особенно важным является то, что данное направление науки не локализуется на одной кафедре, в нем участвуют более половины кафедр факультета.

Литература

Баданина Н.Д., Дудихин В.В., Межуев И.Ю., Новикова Н.С., Якупов И.Ю. Метод верификации объектов на радиолокационных изображениях с использованием ансамблей нейронных сетей. // Наукоемкие технологии. 2023. Т. 24. № 2. С. 79-85.

Бухарин В.В. «Закулисье» президентских выборов в США 2016 г.: проблема информационной безопасности // Вестник Московского университета. Серия 21. Управление (государство и общество). 2023. Т. 20. No 3. C. 59–78. DOI: 10.55959/MSU2073-2643- 21-2023-3-59-78

Григорьева Н.С., Соболев С.А. Государственно-частное партнерство в здравоохранении: пример города Москвы. // Уровень жизни населения России. 2021. Т. 17. № 3. C. 327-338.

Днепровская Н.В., Шевцова И.В. Открытые образовательные ресурсы и цифровая среда обучения // Высшее образование в России. 2020. Т. 29. № 12. С. 144-155.

Днепровская Н.В., Шевцова И.В. Открытые образовательные ресурсы: современные перспективы. // Высшее образование в России. 2019. Т. 28. № 8-9. С. 110-118.

Дудихин В.В., Иванов А.С., Межуев И.Ю., Шоков А.В., Якупов И.Ю. Распознавание радиолокационных изображений, полученных в миллиметровом диапазоне, с использованием нейронных сетей. // Вестник Концерна ВКО "Алмаз – Антей". 2022. № 3. С. 48-58.

Дудихин В.В., Кузина Е.А., Межуев И.Ю., Рылов С.А., Якупов И.Ю. Экстраполяция траекторий на радиолокационных изображениях с использованием рекуррентных нейронных сетей. // Динамика сложных систем - XXI век. 2024. Т. 18. № 3. С. 14-22.

Дудихин В.В., Кондрашов П.Е. Методология использования больших языковых моделей для решения задач государственного и муниципального управления по интеллектуальному реферированию и автоматическому формированию текстового контента. // Государственное управление. Электронный вестник. 2024. № 105. С. 169-179. DOI: 10.55959/MSU2070-1381-105-2024-169-179

Зернова Ю.А., Петрунин Ю.Ю. Прогнозирование президентских выборов во Франции 2007 г. // Государственное управление. Электронный вестник. 2010. № 24.

Косоруков А.А. Нейроинтерфейсы в государственном управлении: возможности и ограничения. // Государственное управление. Электронный вестник. 2023. № 97. С. 155-173. DOI: 10.24412/2070-1381-2023-97-155-173

Леонтьева Л.С., Соболев С.А. Участие Московской агломерации в межрегиональном и межмуниципальном сотрудничестве. // Вестник Московского университета. Серия 21: Управление (государство и общество). 2021. № 1. С. 3-31.

Петрунин Ю.Ю., Силуянова Ю.А. Социальные сети и большие данные как инструменты политического анализа (big data) // Философское образование: вестник Межвуз. центра по рус. философии и культуре. 2018. № 1. С. 61–63.

Петрунин Ю. Ю., Силуянова Ю. А., Мягков М. Г., Козицин И. В., Осипов С. Д. Big Data и нейросетевые технологии в изучении электорального поведения // Нейрокомпьютеры: разработка, применение. 2019.№ 21(4). С. 60–72.

Петрунин Ю.Ю. Как прибить желе к стенке? (модели нечеткой логики в этике бизнеса) // Вестник Московского университета. Серия 21: Управление (государство и общество). 2007. № 3. С. 21-41.

Петрунин Ю.Ю. Нейрокомпьютинг в новой науке о спорте// Нейрокомпьютеры: разработка, применение. 2013 № 8. С. 66-71.

Петрунин Ю.Ю. Нейрокомпьютинг: между наукой и лженаукой // Нейрокомпьютеры: разработка, применение. 2015. № 8. С. 8-19.

Петрунин Ю.Ю. Искусственные нейронные сети в экономике: математический инструмент, модель или методология? // Вестн. Моск. ун-та. Сер. 6. Экономика. 2024. Т. 59. № 4. С. 92-113. DOI: 10.55959/MSU0130-0105-6-59-4-5

Петрунин Ю.Ю. Искусственный интеллект и методологические вопросы управления знаниями. // Философские науки. 2016. № 8. С. 67-74.

Петрунин Ю.Ю. Исследование электорального поведения: самоорганизующиеся карты Кохонена versus статистического анализа? // Вестник Московского университета. Серия 21: Управление (государство и общество). 2009, № 3. С. 45-55.

Петрунин Ю.Ю. Конкурентный баланс и реформа сезонности в российском профессиональном футболе // Вестн. Моск. ун-та. Сер. 6. Экономика. 2019. № 2. С. 111–112.

Петрунин Ю.Ю. Оценка реформы управления советским футболом 1959 года // Вестн. Моск. ун-та. Сер. 21. Управление (государство и общество). 2020. № 4. С. 3-30.

Петрунин Ю.Ю., Агаян Г.М., Бухарин В.В., Григорян А.А., Шевцова И.В., Шикина Г.Е. Интеграция математических методов и цифровых технологий как основа создания комплекса фундаментальных курсов в подготовке современных управленческих кадров // Вестник Московского университета. Серия 21: Управление (государство и общество). 2024. Т. 21. № 1. С. 139-167.

Петрунин Ю.Ю., Зернова Ю.А. Статистические и нейросетевые методы прогнозирования электорального поведения на примере президентских выборов во Франции 2007 года // Нейрокомпьютеры: разработка, применение. 2011. № 1. С. 11-24.

Петрунин Ю.Ю., Зернова Ю.А. Статистические и нейросетевые методы исследования политической ситуации во Франции на примере региональных выборов 1998 и 2004 годов // Государственное управление. Электронный вестник. 2008. № 14.

Петрунин Ю.Ю., Силуянова Ю.А. Статистические и нейросетевые методы в исследовании управленческих проблем в организации // Нейрокомпьютеры: разработка, применение. 2018. № 10. С. 39-47.

Силуянова Ю.А. Демографические детерминанты «миграционного кризиса» в ЕС // Государственное управление. Электронный вестник. 2019. № 73. С. 138–166.

Соболев С.А. Инструментарий комплексной оценки масштаба социально-экономического развития городских агломераций // Государственное управление. Электронный вестник. 2024. № 103. C. 177-195. DOI: 10.55959/MSU2070-1381-103-2024-177-195

Соболев С.А. Усиление агломерационных процессов в пространственном развитии: теория и практика // Вестник Московского университета. Серия 21: Управление (государство и общество). 2022. № 4. С. 61-85.

Соболев С.А. Формирование инструментария стратегического планирования для управления развитием российских агломераций // Интеллект. Инновации. Инвестиции. 2023. № 2. С. 75-87. DOI: 10.25198/2077-7175-2023-2-75

Agar J. The government machine: a revolutionary history of the computer. The MIT Press Cambridge, Massachusetts, London, England, 2003. P. 555.

Karsakof S. Apercu d`un procede nouveau d`investigation au moyen de machines a comparer les idees. St.Petersbourg, 1832. 22 p., 2 pl. (Корсаков С.Н. Начертание нового способа исследования при помощи машин, сравнивающих идеи / Пер. с франц. под ред. А.С. Михайлова. М.: МИФИ, 2009. 44 c.)

Siluyanova Y.A. Analysis of the empirical basis for research in the field of combating trafficking in persons on an international scale. Revista de Investigaciones Universidad del Quindío. 2022. Vol. 34. Is. S2. P. 292-304. DOI: 10.33975/riuq.vol34nS2.945

Siluyanova Y.A. // Trafficking in persons: cluster analysis of sending and receiving countries // Revista de la universidad del Zulia. 3ª época. Año 12. 2021. № 34. P. 317-340. DOI: 10.46925//rdluz.34.19