= [[Стигмергия]] в образовании =

{{#ask: [[Стигмергия]] | ?Description }}

== Аннотация ==

В данном проекте исследуется механизм стигмергии (коллективного взаимодействия через метки в среде) и его конкуренция/синергия с индивидуальной памятью агентов. На примере модифицированной агентной модели «Муравьи» (NetLogo) сравниваются три стратегии поиска ресурсов:
* '''только коллективный феромон'''
* '''только индивидуальная память'''
* '''сочетание (феромон + память)'''
С помощью двух экспериментов в среде BehaviorSpace были собраны данные о эффективности колонии (доставленная еда) и выживаемости муравьёв. Первый эксперимент (проверка Гипотезы 1) включал 6 комбинаций параметров (3 стратегии × 2 уровня еды) с 20 повторениями (120 прогонов). Второй эксперимент (Гипотеза 2) проводился при фиксированной стратегии «феромон + память» и двух уровнях еды (3 и 6 источников) с 30 повторениями (60 прогонов).

----

=== Цель работы ===

Количественно оценить, даёт ли совместное использование коллективного и индивидуального опыта статистически значимое преимущество по сравнению с каждым из механизмов по отдельности.

== Рабочие гипотезы ==

=== Гипотеза 1. Сравнение механизмов: феромон, память и их сочетание ===

* '''H₀:''' Не существует статистически значимой разницы в эффективности (количестве доставленной еды `total-food-count`) между тремя сценариями: использованием только коллективного феромона, только индивидуальной памяти и их сочетанием.
* '''H₁:''' Сценарий, сочетающий коллективный феромон и индивидуальную память, обеспечивает статистически значимо более высокую эффективность, чем каждый из этих механизмов по отдельности.

=== Гипотеза 2. Влияние количества источников еды ===

* '''H₀:''' Увеличение количества источников еды (с 3 до 6) не приводит к статистически значимому изменению эффективности колонии (`total-food-count`) и выживаемости муравьёв (`count turtles`).
* '''H₁:''' Увеличение количества источников еды приводит к статистически значимому росту эффективности колонии и выживаемости муравьёв, а также может влиять на величину преимущества от использования индивидуальной памяти.

== Модель ==
<netlogo model="Memory_Ants" />

=== Скачать модель (.nlogox) ===
'''GitHub:''' [https://github.com/cristycrastys-source/Labs_my_beloved/tree/main/Econometrics]

== Инструменты и параметры модели ==

=== Инструменты ===

* '''Моделирование:''' NetLogo (модель Ants с добавленной памятью)
* '''Анализ данных:''' R (библиотеки tidyverse, ggplot2, lmtest)
* '''Среда реализации:''' Поле цифровой дидактики (SMW)

=== Параметры среды ===

* '''Размер мира:''' от -40 до 40 (80×80)
* '''Гнездо:''' центр (0,0), радиус 5
* '''Еда:''' на радиусе 30 от центра, 3 или 6 кучек
* '''Феромон:''' диффузия и испарение управляются ползунками `diffusion-rate` и `evaporation-rate`

=== Управляющие параметры (настройки модели) ===

{| class="wikitable"
! Переменная !! Тип !! Диапазон !! Описание
|-
| `population` || Slider || 0–100 || Количество муравьёв
|-
| `diffusion-rate` || Slider || 0–50 || Скорость распространения феромона
|-
| `evaporation-rate` || Slider || 0–20 || Скорость испарения феромона
|-
| `use-memory?` || Switch || On/Off || Включение/выключение памяти
|-
| `more-food?` || Switch || On/Off || Дополнительные источники еды (3 → 6)
|-
| `memory-threshold` || Slider || 50–200 || Порог энергии для использования памяти
|}

=== Цветовая индикация муравьёв ===

{| class="wikitable"
! Цвет !! Состояние
|-
| '''Зелёный''' || Ищет еду, память пуста
|-
| '''Синий''' || Идёт по памяти к запомненной еде
|-
| '''Фиолетовый''' || Несёт еду в гнездо
|-
| '''Жёлтый''' || Имеет 1 место в памяти (но не использует его в данный момент)
|-
| '''Красный''' || Имеет 2 и более мест в памяти
|}

=== Собираемые данные для анализа ===

{| class="wikitable"
! Переменная !! Откуда !! Описание
|-
| `total-food-count` || Глобальная || Общее количество доставленной еды
|-
| `count turtles` || Встроенная || Количество живых муравьёв
|}

=== Как это работает ===

# Муравьи начинают с пустой памятью ('''зелёные''')
# Найдя еду, запоминают координаты патча и становятся '''фиолетовыми''' (несут еду)
# После доставки еды в гнездо цвет меняется в зависимости от количества запомненных мест ('''жёлтый''' = 1 место, '''красный''' = 2+)
# Когда энергия падает ниже порога (`memory-threshold`), муравей с памятью становится '''синим''' и идёт к ближайшему запомненному месту
# Если запомненное место опустело, муравей ищет еду в радиусе 8 патчей вокруг; если не находит — забывает это место

== План экспериментов ==

Эксперименты проводятся в среде BehaviorSpace (NetLogo). Реализованы два независимых эксперимента для проверки двух гипотез.

-----

=== Эксперимент 1 (Гипотеза 1): Сравнение трёх стратегий ===

* '''Независимые переменные:'''
** <code>use-memory?</code> — три сценария: только феромон, только память, феромон+память
** <code>more-food?</code> — два уровня: 3 источника, 6 источников

* '''Фиксированные параметры:'''
** <code>population = 50</code>
** <code>memory-threshold = 100</code>
** время прогона = 1000 тиков

* '''Повторений:''' 20
* '''Всего прогонов:''' 6 комбинаций × 20 = '''120'''

-----

=== Эксперимент 2 (Гипотеза 2): Влияние количества еды ===

* '''Фиксированная стратегия:''' феромон + память (<code>use-memory? = true</code>, <code>evaporation-rate = 10</code>, <code>diffusion-rate = 50</code>)
* '''Независимая переменная:''' <code>more-food?</code> — два уровня: 3 источника, 6 источников
* '''Фиксированные параметры:''' те же (<code>population = 50</code>, <code>memory-threshold = 100</code>, 1000 тиков)
* '''Повторений:''' 30
* '''Всего прогонов:''' 2 комбинации × 30 = '''60'''

-----

=== Исходные данные экспериментов ===

Сам эксперимент и CSV-файлы с результатами всех прогонов в BehaviorSpace:

- GitHub:[https://github.com/cristycrastys-source/Labs_my_beloved/tree/fed1a5b206bfe3456bfe9520b9b298f4c4c33946/Econometrics/%D0%AD%D0%BA%D1%81%D0%BF%D0%B5%D1%80%D0%B8%D0%BC%D0%B5%D0%BD%D1%82%D1%8B]

== Результаты ==

=== Гипотеза 1: Сравнение трёх стратегий ===

Был проведён полный факторный эксперимент (6 комбинаций, 20 повторений, 120 прогонов). Для каждой стратегии измерялась доставленная еда (total-food-count) и выживаемость муравьёв (count turtles). Анализ проведён в R.

[[Файл:g1_food.png|thumb|center|600px|Рисунок 1. Доставленная еда по трём стратегиям (3 источника)]]

==== Доставленная еда ====

'''ANOVA (3 источника еды):'''

Df Sum Sq Mean Sq F value Pr(>F)
strategy 2 3885725 1942863 3797 <2e-16 ***
Residuals 1137 581745 512

Различия между стратегиями статистически значимы (p < 0.001).

'''t-тест: феромон+память vs только феромон (3 источника)'''

t = -80.886, df = 774.9, p-value < 2.2e-16

Средняя доставленная еда:
- Только феромон: 88.3
- Феромон + память: 204.1

Разница: 115.8 единиц еды (95% доверительный интервал: от 112.9 до 118.6).

'''Вывод по Гипотезе 1:''' Гипотеза подтверждается. Комбинация феромона и памяти обеспечивает статистически значимо более высокую эффективность поиска еды по сравнению с использованием только феромона (p < 0.001).

==== Выживаемость ====

[[Файл:g1_survival.png|thumb|center|600px|Рисунок 2. Выживаемость муравьёв по трём стратегиям (6 источников)]]

Хотя основная гипотеза проверялась на доставленной еде, анализ выживаемости муравьёв дал интересные дополнительные результаты.

'''Средняя выживаемость (count turtles) при 6 источниках еды:'''

| Стратегия | Средняя выживаемость |
|-----------|---------------------|
| Только память | 41.2 |
| Феромон + память | 23.1 |
| Только феромон | 8.1 |

'''ANOVA для выживаемости (3 источника):'''

Df Sum Sq Mean Sq F value Pr(>F)
strategy 2 18721 9360 627.6 <2e-16 ***
Residuals 1137 16957 15

Различия также статистически значимы. Наибольшая выживаемость наблюдается при стратегии «Только память» с 6 источниками еды, что может объясняться более эффективным использованием энергии благодаря запомненным координатам еды.

=== Гипотеза 2: Влияние количества источников еды ===

Для проверки влияния количества еды проведён отдельный эксперимент при фиксированной стратегии «Феромон + память» (30 повторений, 2 комбинации: 3 и 6 источников, всего 60 прогонов).

[[Файл:g2_food.png|thumb|center|600px|Рисунок 3. Доставленная еда при 3 и 6 источниках]]

==== Доставленная еда ====

Средняя доставленная еда:
- 3 источника: 204.5
- 6 источников: 308.9

t-тест: t = -17.59, df = 41.46, p < 0.001

Разница: 104.4 единицы еды (95% доверительный интервал: от 92.4 до 116.4)

'''Вывод по Гипотезе 2:''' Увеличение количества источников еды с 3 до 6 приводит к статистически значимому росту доставленной еды (p < 0.001).

==== Выживаемость ====

[[Файл:g2_turtles.png|thumb|center|600px|Рисунок 4. Выживаемость при 3 и 6 источниках]]

Средняя выживаемость:
- 3 источника: 7.2 муравья
- 6 источников: 23.4 муравья

t-тест: t = -11.73, df = 57.57, p < 0.001

Разница: 16.2 муравья (95% доверительный интервал: от 13.4 до 18.9)

Увеличение количества еды также значимо повышает выживаемость колонии.

=== Демонстрация работы стратегий ===

Для наглядной демонстрации различий в поведении муравьёв были записаны анимации для каждого сценария. Ниже представлены выбранные прогоны, результаты которых близки к средним значениям по соответствующей стратегии.

==== Гипотеза 1: Сравнение трёх стратегий (3 источника еды) ====

{| class="wikitable"
|-
! style="width:33%" | Только феромон
! style="width:33%" | Только индивидуальная память
! style="width:33%" | Феромон + память
|-
|
<video width="300" controls autoplay loop muted>
<source src="/images/Файл:pheromone_only.mp4" type="video/mp4">
Ваш браузер не поддерживает видео.
</video>
 '''Доставлено еды: 103'''
|
<video width="300" controls autoplay loop muted>
<source src="/images/Файл:memory_only.mp4" type="video/mp4">
Ваш браузер не поддерживает видео.
</video>
 '''Доставлено еды: 210'''
|
<video width="300" controls autoplay loop muted>
<source src="/images/Файл:pheromone_memory.mp4" type="video/mp4">
Ваш браузер не поддерживает видео.
</video>
 '''Доставлено еды: 212'''
|-
| '''Параметры:''' 
`use-memory? = false` 
`evaporation-rate = 10` 
diffusion-rate = 50
| '''Параметры:''' 
`use-memory? = true` 
`evaporation-rate = 0` 
diffusion-rate = 0
| '''Параметры:''' 
`use-memory? = true` 
`evaporation-rate = 10` 
diffusion-rate = 50
|-
| '''Что видно:''' Зелёные тропы феромона, муравьи идут по коллективному следу.
| '''Что видно:''' Нет феромона, муравьи меняют цвет (жёлтый, красный, синий), идут по памяти.
| '''Что видно:''' И феромонные тропы, и цветовая индикация памяти, максимальная эффективность.
|}

==== Гипотеза 2: Влияние количества еды (стратегия «феромон + память») ====

{| class="wikitable"
|-
! style="width:50%" | 3 источника еды
! style="width:50%" | 6 источников еды
|-
|
<video width="300" controls autoplay loop muted>
<source src="/images/Файл:three_sources.mp4" type="video/mp4">
Ваш браузер не поддерживает видео.
</video>
 '''Доставлено еды: 204.5'''
|
<video width="300" controls autoplay loop muted>
<source src="/images/Файл:six_sources.mp4" type="video/mp4">
Ваш браузер не поддерживает видео.
</video>
 '''Доставлено еды: 308.9'''
|-
| '''Параметры:''' 
`more-food? = false` 
`use-memory? = true` 
`evaporation-rate = 10` 
diffusion-rate = 50
| '''Параметры:''' 
`more-food? = true` 
`use-memory? = true` 
`evaporation-rate = 10` 
diffusion-rate = 50
|-
| '''Что видно:''' Менее интенсивное движение, меньше фиолетовых муравьёв.
| '''Что видно:''' Более интенсивное движение, больше фиолетовых муравьёв, выше насыщенность троп.
|}

=== Общий вывод ===

Обе гипотезы подтверждены:

1. **Гипотеза 1:** Комбинация феромона и индивидуальной памяти даёт статистически значимо более высокую эффективность доставки еды (204.1 против 88.3, p < 0.001).

2. **Гипотеза 2:** Увеличение количества источников еды с 3 до 6 значимо повышает как доставленную еду (308.9 против 204.5, p < 0.001), так и выживаемость (23.4 против 7.2, p < 0.001).

**Дополнительный вывод:** Наибольшая выживаемость наблюдается при стратегии «Только память» с 6 источниками еды (41.2 муравья). Память важна для выживания при обилии ресурсов, но для максимизации доставки еды необходимо сочетание с феромоном.

== Просмотр кода с пояснениями ==
=== Полный код (.nlogo) ===

<syntaxhighlight lang="lisp" line>
;; ANTS WITH MEMORY - ФИНАЛ
;; ============================================
;; РАЗМЕР МИРА: от -40 до 40 (80×80)
;; ЕДА: на радиусе 30 от центра
;; ============================================
;; ЦВЕТА МУРАВЬЁВ:
;; ЗЕЛЁНЫЙ - ищет еду (память пуста)
;; СИНИЙ - идёт по памяти к еде
;; ФИОЛЕТОВЫЙ - несёт еду в гнездо
;; ЖЁЛТЫЙ - 1 место в памяти (не использует)
;; КРАСНЫЙ - 2+ места в памяти (не использует)
;; ============================================

globals [
total-food-count ; общее количество еды, доставленной в гнездо
]

patches-own [
chemical ; феромон на патче (коллективный след)
food-here ; наличие еды на патче (0 или 1)
is-nest ; является ли патч гнездом (1 да, 0 нет)
]

turtles-own [
my-food ; есть ли у муравья еда (0 или 1)
my-energy ; текущий запас энергии муравья
my-memory ; список запомненных патчей (места, где была еда)
]

;;;;;;;;;;;;;;;;;;;;;;;;
;;; НАСТРОЙКА МИРА
;;;;;;;;;;;;;;;;;;;;;;;;

to setup
clear-all
set-default-shape turtles "bug"

; ===== СОЗДАЁМ ГНЕЗДО =====
; Все патчи в радиусе 5 от центра становятся гнездом
ask patches [
ifelse (distancexy 0 0) < 5 [
set is-nest 1
set pcolor violet
] [
set is-nest 0
set food-here 0
set chemical 0
]
]

; ===== СОЗДАЁМ ИСТОЧНИКИ ЕДЫ =====
let radius 30 ; расстояние от центра до еды
let sources 3 ; базовое количество источников
if more-food? = true [ set sources 6 ] ; если включён переключатель

; Равномерно распределяем источники по кругу
let angles [] ; список углов
let step 360 / sources ; шаг между источниками
let current 0
repeat sources [
set angles lput current angles
set current current + step
]

; Для каждого угла создаём пятно еды радиусом 5
foreach angles [ angle ->
let xc radius * cos angle
let yc radius * sin angle
ask patches with [ distancexy xc yc < 5 ] [
set food-here 1
; Разные цвета для разных источников
if angle = 0 [ set pcolor cyan ]
if angle = 60 [ set pcolor sky ]
if angle = 120 [ set pcolor blue ]
if angle = 180 [ set pcolor cyan ]
if angle = 240 [ set pcolor sky ]
if angle = 300 [ set pcolor blue ]
]
]

; ===== СОЗДАЁМ МУРАВЬЁВ =====
create-turtles population [
setxy 0 0 ; все муравьи начинают из гнезда
set size 2
set color green ; ЗЕЛЁНЫЙ - ищет еду, память пуста
set my-food 0
set my-energy 200
set my-memory [] ; память пуста
]

set total-food-count 0
reset-ticks
end

;;;;;;;;;;;;;;;;;;;;;
;;; ОСНОВНОЙ ЦИКЛ
;;;;;;;;;;;;;;;;;;;;;

to go
ask turtles [
if who >= ticks [ stop ]

; ===== ТРАТИМ ЭНЕРГИЮ =====
; Каждый шаг отнимает 1 единицу энергии
set my-energy my-energy - 1
if my-energy <= 0 [ die ] ; энергия кончилась - муравей умирает

; ===== СБРОС ЕДЫ В ГНЕЗДЕ =====
; Если муравей в гнезде и несёт еду - выгружает её
if is-nest = 1 and my-food = 1 [
set my-food 0
set my-energy my-energy + 100 ; награда за доставленную еду
set total-food-count total-food-count + 1 ; увеличиваем счётчик
update-color-by-memory ; обновляем цвет в зависимости от памяти
rt 180 ; разворачиваемся
]

; ===== ВОЗВРАЩЕНИЕ С ЕДОЙ =====
; Если муравей несёт еду - идёт прямо в гнездо
if my-food = 1 [
set color violet ; ФИОЛЕТОВЫЙ - несёт еду
set chemical chemical + 60 ; оставляет феромон
facexy 0 0 ; поворачивается к центру (гнезду)
wiggle
fd 1
stop
]

; ===== ПОИСК ЕДЫ =====
; Если муравей не несёт еду - ищет её
look-for-food

wiggle
fd 1
]

; ===== ОБРАБОТКА ФЕРОМОНА =====
; Диффузия: феромон распространяется на соседние патчи
diffuse chemical (diffusion-rate / 100)

ask patches [
; Испарение: феромон постепенно исчезает
set chemical chemical * (100 - evaporation-rate) / 100
if chemical < 0.01 [ set chemical 0 ]

; Визуализация феромона (чем больше феромона, тем ярче зелёный)
if food-here = 0 and is-nest = 0 [
set pcolor scale-color green chemical 0 5
]
]

tick
end

;;;;;;;;;;;;;;;;;;;;;
;;; ПОИСК ЕДЫ С ПАМЯТЬЮ
;;;;;;;;;;;;;;;;;;;;;

to look-for-food
; ===== ПОДБОР ЕДЫ =====
; Если на текущем патче есть еда - подбираем её
if food-here > 0 [
set my-food 1
set food-here food-here - 1 ; еда исчезает с патча

; ЗАПОМИНАЕМ МЕСТО
if use-memory? [
set my-memory lput patch-here my-memory ; добавляем патч в список
if length my-memory > 15 [ set my-memory but-last my-memory ] ; ограничиваем размер
]

rt 180 ; разворачиваемся к гнезду
stop
]

; ===== ИСПОЛЬЗОВАНИЕ ПАМЯТИ =====
; Если память включена, энергии мало и есть запомненные места
if use-memory? and my-energy < memory-threshold and length my-memory > 0 [
let target nobody
let best-dist 999999

; Находим ближайшее запомненное место
foreach my-memory [ mem-patch ->
let d distance mem-patch
if d < best-dist [
set best-dist d
set target mem-patch
]
]

if target != nobody [
; ПРОВЕРЯЕМ, ЕСТЬ ЛИ ЕЩЁ ЕДА НА ЗАПОМНЕННОМ МЕСТЕ
ifelse [food-here] of target > 0 [
set color blue ; СИНИЙ - идёт по памяти к еде
face target
stop
] [
; ЕСЛИ ЕДЫ НЕТ - ИЩЕМ В РАДИУСЕ 8 ПАТЧЕЙ ВОКРУГ
let nearby-food patches with [food-here > 0 and distance target <= 8]
ifelse any? nearby-food [
; нашли еду рядом - идём к ближайшей
let closest-nearby min-one-of nearby-food [distance myself]
; добавляем новое место в память
set my-memory lput closest-nearby my-memory
if length my-memory > 15 [ set my-memory but-last my-memory ]
set color blue ; СИНИЙ - идёт по памяти к еде
face closest-nearby
stop
] [
; НЕТ ЕДЫ В РАДИУСЕ - УДАЛЯЕМ ЭТО МЕСТО ИЗ ПАМЯТИ
set my-memory remove target my-memory
]
]
]
]

; ===== ОБНОВЛЕНИЕ ЦВЕТА =====
update-color-by-memory

; ===== ДВИЖЕНИЕ ПО ФЕРОМОНУ =====
; Если есть феромон - идём по нему
if (chemical >= 0.05) and (chemical < 2) [
uphill-chemical
]
end

;;;;;;;;;;;;;;;;;;;;;
;;; ВСПОМОГАТЕЛЬНЫЕ ПРОЦЕДУРЫ
;;;;;;;;;;;;;;;;;;;;;

to update-color-by-memory
; Обновляет цвет муравья в зависимости от размера его памяти
; (только если муравей не несёт еду и не в режиме синего)
if my-food = 0 and color != blue [
let mem-count length my-memory
if mem-count = 0 [ set color green ] ; ЗЕЛЁНЫЙ - память пуста
if mem-count = 1 [ set color yellow ] ; ЖЁЛТЫЙ - 1 место
if mem-count >= 2 [ set color red ] ; КРАСНЫЙ - 2+ мест
]
end

to uphill-chemical
; Движение вверх по градиенту феромона
; Сравнивает концентрацию феромона спереди, справа и слева
let scent-ahead chemical-scent 0
let scent-right chemical-scent 45
let scent-left chemical-scent -45
if (scent-right > scent-ahead) or (scent-left > scent-ahead) [
ifelse scent-right > scent-left [ rt 45 ] [ lt 45 ]
]
end

to wiggle
; Лёгкое случайное покачивание, чтобы муравьи не застревали
rt random 30
lt random 30
if not can-move? 1 [ rt 180 ]
end

to-report chemical-scent [angle]
; Возвращает количество феромона на патче под указанным углом
let p patch-right-and-ahead angle 1
if p = nobody [ report 0 ]
report [chemical] of p
end

; Copyright 1997 Uri Wilensky.
</syntaxhighlight>

== Ссылки ==
* [[Практикум по эконометрике (syllabus)]]
* An Introduction to Agent-Based Modeling with NetLogo — [[Wilensky]], Rand [https://archive.org/details/introductiontoag0000wile/page/n507/mode/2up]
* Introduction to Econometrics with R — онлайн-учебник [https://www.econometrics-with-r.org/index.html]
* Causal Inference: The Mixtape — Cunningham [https://jwmason.org/wp-content/uploads/2021/08/Cunningham-Cuasal-Inference-the-Mixtape.pdf]
* Дружелюбная эконометрика — учебник [https://books.econ.msu.ru/Introduction-to-Econometrics/]
* NetLogo: [https://netlogo.org netlogo.org]
* R: [https://r-project.org r-project.org]

== Участники ==
* [[Участник:CristCas|Анастасия Юдаева]] — создание и оформление страницы, разработка и модификация кода модели NetLogo, выгрузка модели на GitHub, описание кода
* [[Участник:Маргарита Еськова|Маргарита Еськова]] — аннотация, формирование гипотез, проведение экспериментов в BehaviorSpace, сбор и выгрузка данных на GitHub, частичное оформление
* [[Участник:Софронова Кира|Кира Софронова]] — формулировка статистических гипотез, анализ данных в R, визуализация результатов, интерпретация выводов, частичное оформление

----
[[Категория:Работы по эконометрике]]

Файл:Pheromone only.gif

2026-06-10T14:23:14Z

Маргарита Еськова:

Stygmergia v obrazovanii

2026-06-10T14:21:30Z

2026-05-29T11:45:47Z

2026-04-30T08:27:17Z

Маргарита Еськова: Полностью удалено содержимое страницы

Участник:Маргарита Еськова

2026-04-30T08:25:47Z

Маргарита Еськова: Новая страница: «Участник:Еськова Маргарита Ивановна == Описание участника == {| class="wikitable" ! Описание участника !! Description |- | '''Область знаний''' || Бизнес-информатика, Информатика, Экономика, Управление, Большие данные, Математика, Статистика, Моделирование, Искусственный и...»

Участник:Еськова Маргарита Ивановна

== Описание участника ==

{| class="wikitable"
! Описание участника !! Description
|-
| '''Область знаний''' || Бизнес-информатика, Информатика, Экономика, Управление, Большие данные, Математика, Статистика, Моделирование, Искусственный интеллект
|-
| '''Веб-сайт''' ||
|-
| '''Видео запись''' ||
|-
| '''Кто оказал влияние (учителя) из Категория:Person''' ||
|-
| '''Понятия, которые интересуют из Категория:Понятие''' || Цифровая трансформация бизнеса, Анализ данных, IT-архитектура предприятия, Управление IT-проектами, Big Data, Машинное обучение, ERP-системы
|-
| '''Среды и средства, которые использует из цифровых средств или игр или книг''' || Python, SQL, Excel, Power BI, Git, Jupyter Notebook, VS Code, Google Colab, книги по бизнес-аналитике и Data Science
|-
| '''Позиция (положение)''' || Бакалавриат
|-
| '''Профиль подготовки''' || Бизнес-информатика
|-
| '''Педагогическая направленность''' || Нет
|-
| '''Принадлежность к организациям (сообщества)''' ||
|-
| '''Виды спорта, которыми занимается''' ||
|-
| '''Проекты, статьи и рецепты, над которыми работает''' ||
|}

[[Категория:ЦИБ-241]]


|Field_of_knowledge = Бизнес-информатика, Информатика, Экономика, Управление, Большие данные, Математика, Статистика, Моделирование, Искусственный интеллект
|Working_On =

Обсуждение участника:Егор Шокиров

2026-02-19T06:52:11Z

Маргарита Еськова: Новая страница: «---- Категория:UserMGPU Категория:ЦИБ-241»

----
[[Категория:UserMGPU]]
[[Категория:ЦИБ-241]]