Архитектура интеллектуального управления в управленческих вебприложениях с использованием MLOps и машинного обучения

Аннотация

В статье рассматривается разработка и внедрение интеллектуальной системы управления (ИСУ), 
интегрированной в управленческое веб-приложение, с применением методов машинного обучения и анализа 
данных. Актуальность темы обусловлена необходимостью повышения эффективности цифровых 
управленческих процессов за счёт автоматизации принятия решений и предиктивного анализа. 
Целью работы является построение архитектуры адаптивной системы, способной в реальном времени 
анализировать текущие состояния, прогнозировать риски и выполнять управляющие воздействия без участия 
человека. В качестве методов использованы алгоритмы градиентного бустинга, автоэнкодеры, обучение с 
подкреплением, а также инструменты MLOps для мониторинга и автоматического переобучения моделей. 
Разработана модульная архитектура, включающая сбор и обработку данных, обучающие пайплайны, REST 
API и управляющий блок. Проведено тестирование системы в симулированной среде и условиях реального 
веб-приложения. Результаты показали прирост точности прогнозов до 92%, сокращение времени реакции на 
сбои в 5–6 раз, а также повышение устойчивости системы к аномалиям. 
Предложенное решение демонстрирует высокую прикладную ценность и может быть адаптировано под 
различные области цифрового управления: от ИТ-инфраструктуры до логистики и документооборота. Работа 
выполнена при поддержке гранта в рамках научно-исследовательской программы Республики Казахстан.