Вероятностное моделирование оценки рыночной востребованности стеков технологий программирования

Цифровизация общества неуклонно растёт, а вместе с ней растёт и важность анализа данных. Несмотря на повсеместное развитие информационных технологий (IT) (как в академической среде, так и в производственной), бизнесмены и менеджеры по-прежнему сталкиваются с проблемами при интеграции таких методов в бизнес-циклы компании. Это не исключение даже для самых востребованных ИТ-стеков, таких как машинное обучение (ML). Некоторые из ключевых проблем - это отсутствие готовности к новым, более сложным вычислительным решениям (например, так называемым “моделям черного ящика”), отсутствие надлежащей интерпретируемости и прозрачности таких решений, а также отсутствие понимания того, как именно результаты могут быть оценены с практической точки зрения. Цель этого исследования - предложить способ вероятностного моделирования для оценки спроса на стеки ИТ в бизнесе. Решение будет продемонстрировано на методах машинного обучения: были прояснены пробелы во взаимоотношениях машинного обучения и бизнеса, и был предложен симулятор, основанный на сетях принятия решений (расширение байесовских сетей) с применением структуры ожидаемых полезностей. Рабочий процесс симулятора будет построен на задачах прогнозирования классификации ML и будет продемонстрирован как “что-если” анализ возможных сценариев задач, поставленных агентами, принимающими бизнес-решения.