Искусственный интеллект (ИИ)
Artificial intelligence (AI)

Продукт
Технологии: Big Data,  Data Mining,  Data Quality - Качество данных,  Робототехника

Содержание

Искусственный интеллект (ИИ, англ. Artificial intelligence, AI) — наука и технология создания интеллектуальных машин, особенно интеллектуальных компьютерных программ. ИИ связан со сходной задачей использования компьютеров для понимания человеческого интеллекта, но не обязательно ограничивается биологически правдоподобными методами.

Что такое искусственный интеллект

Сложности определения понятия ИИ

Вариантам определения термина ИИ и связанным с этим сложностям посвящена отдельная статья TAdviser - "Термин ИИ употребляется уже 70 лет, но всеми понимается по-разному. Что такое ИИ на самом деле?"

Критерии ИИ

На 2024 г выделяли следующие критерии и признаки, которые отличают ИИ от других программных комплексов:

  • Способность к обучению и адаптации - возможность самостоятельно учиться и адаптироваться на основе новых данных, опыта и обратной связи, оптимизировать свои алгоритмы в процессе работы, что позволяет ИИ с течением времени становиться более эффективным и точным. ИИ не ограничивается начальным обучением и может постоянно развиваться.

  • Автономность принятий решений – способность выхода за границы установленных алгоритмов в рамках фокуса задачи и адаптация к новым сценариям без предварительного вмешательства человека. Проще говоря, ИИ способен самостоятельно искать наилучшее решения для решения конкретной задачи, тогда как обычные программы «заперты» в границы интегрированных алгоритмов.

  • Понимание контекста сложных задач – ИИ обладает способностью понимать сложные, многоуровневые задачи и контекст, в котором они возникают, тогда как в традиционных программах глубина понимания ограничена исключительно заранее написанными и внедренными скриптами и алгоритмами.

  • Когнитивные функции – восприятие информации, рассуждение, обучение и многовекторное решение задач отличает ИИ от любых других систем, даже самых сложных. Логическое рассуждение предполагает способность к логическому анализу информации и формированию выводов с выстраиванием причинно-следственных цепочек.

  • Обработка естественного языка – замещение машинного языка на инструкции и в дальнейшем на человеческий язык делает программный комплекс близким к ИИ в той мере, насколько ИИ способен понимать человеческую речь.

  • Предиктивный анализ - ИИ может анализировать большие объемы исторических данных, обнаруживать закономерности и тенденции и использовать эти знания для прогнозирования будущих событий или результатов, опираясь на паттерны и вероятностные оценки.

  • Мультимодальность – относится к способности ИИ анализировать и интегрировать информацию из различных источников или типов данных (модальностей). Например, мультимодальная система ИИ может одновременно обрабатывать текст, изображения, аудио и видео.

  • Мультидисциплинарность - в контексте ИИ подразумевает применение знаний и методов из разных научных дисциплин для разработки, понимания и улучшения систем ИИ. Этот подход акцентирует внимание на объединении разнообразных научных и технических областей знаний для создания более эффективных и интеллектуальных систем.

Интеграция всех 8 базовых признаков ИИ не является обязательной, т.к., по существу, достаточно даже одного из выше перечисленных.

Типы ИИ

На 2021 год исследователи использовали следующую классификацию типов ИИ:

Artificial Super Intelligence (ASI) - гипотетический ИИ, который сможет не только воспроизводить максимум способностей человека, но и даже превзойти его. Верящие в ASI считают, что он обретет силу проникновения в мысли и чувства человека с тем, чтобы подчинить его своей воле. См. Сверхразум: страшилки футурологов или реальное будущее искусственного интеллекта?Трендвотчинг рынка CRM. Аналитический отчет TAdviser 10.6 т

Остающийся тоже гипотетическим сильный, или общий ИИ (Artificial General Intelligence, AGI) по степени разумности стоит на ступень ниже ASI, адепты этого типа AI ограничены в своих убеждениях возможностью создания машин, способных как минимум выполнять те же действия, что и человек.

Слабый, или узкий ИИ (Artificial Narrow Intelligence, ANI) позволяет усмотреть в поведении машин слабые намеки на разум (поэтому его называют слабым). Он предназначен для выполнения только строго определенного узкого круга приложений (поэтому его называют узким). В случае ANI невозможно никакое неподвластное человеку автономное поведение или самостоятельное развитие. Системы, снабженные ANI, могут существовать только в той форме, в которой они были созданы человеком и даже теоретически не могут выйти из-под его контроля.

Исследования в сфере ИИ

Главные составляющие ИИ

Искусственный интеллект - результат синергии множества технологических, научных и промышленных достижений предыдущих 100 лет.

Можно выделить множество факторов, повлиявших на экспансию ИИ, но ключевых несколько:

Одним из главных драйверов быстрого развития ИИ стали компьютерные игры и геймеры, которые двигали прогресс видеокарт, что позволило экспоненциально нарастить вычислительные мощности, которые позже стали использоваться для ИИ проектов.

Чем больше данных – тем точнее результаты, поэтому ИИ не мог появиться раньше, чем появились достаточные вычислительные мощности, Big data и высокий уровень развития Интернета, но все это нужно правильным образом интерпретировать и обработать, т.е. нужны алгоритмы.

Методы ИИ

Технологические направления ИИ. Данные Deloitte

Генеративный искусственный интеллект

Основная статья: Генеративный искусственный интеллект

Анализ данных

Анализ данных (Data Science)

  • извлекают знания
  • находят закономерности в данных
  • прогнозируют.

Используют методы:

Обучение искусственного интеллекта

Основная статья: Обучение искусственного интеллекта

Глубокое обучение

Глубокое обучение (Deep Learning AI). На 2023 г применяются:

Машинное обучение

Основная статья: Машинное обучение

Машинное обучение (Machine Learning AI) - метод опорных векторов, линейная регрессия, логистическая регрессия, деревья решений, случайный лес, метод K-ближайших соседей (KNN).

Обучение с подкреплением

Обучение с подкреплением:

  • Reinforcement Learning активно применяется в Robotics AI и Decision AI
  • Q-обучение (Q-learning), алгоритмы на основе политик.

Обработка естественного языка

Обработка естественного языка (NLP, Natural Language Processing) – модели на основе трансформеров – самая мощная и инновационная модели на 2023 г.

NLP распознают и автоматически переводят тексты, распознают и генерируют речь.

Компьютерное зрение

Компьютерное зрение (CV):

  • находят, отслеживают, классифицируют, идентифицируют объекты
  • извлекают данные из изображений
  • анализируют полученную информацию

Применяется для

  • распознавания объектов
  • видео аналитики
  • описания содержания изображений и видео
  • распознавания жестов и рукописного ввода
  • интеллектуальной обработки изображений.

Стандартизация в области ИИ

Основная статья: Стандартизация искусственного интеллекта

Влияние искусственного интеллекта

Влияние на экономику и бизнес

Влияние на рынок труда

Риски и проблемы использования ИИ

Основная статья: Риски использования искусственного интеллекта

Развитие технологий искусственного интеллекта в перспективе может нести не только пользу, но и вред.

Рынок технологий искусственного интеллекта

Рынок ИИ в России

Основная статья: Искусственный интеллект (рынок России)

Мировой рынок ИИ

Сферы применения ИИ

Сферы применения ИИ достаточно широки и охватывают как привычные слуху технологии, так и появляющиеся новые направления, далекие от массового применения, иначе говоря, это весь спектр решений, от пылесосов до космических станций. Можно разделить все их разнообразие по критерию ключевых точек развития.

ИИ — это не монолитная предметная область. Более того, некоторые технологические направления ИИ фигурируют как новые подотрасли экономики и обособленные сущности, одновременно обслуживая большинство сфер в экономике.

Основные коммерческие сферы применения технологий искусственного интеллекта

Развитие применения использования ИИ ведет к адаптации технологий в классических отраслях экономики по всей цепочке создания ценности и преобразует их, приводя к алгоритмизированию практически всего функционала, от логистики до управления компанией.

ИИ в принятии решений: сегодня и завтра

Основная статья: ИИ в принятии решений: сегодня и завтра

ИИ в госуправлении

Основная статья: Искусственный интеллект в государственном управлении

Использование ИИ в целях обороны и в военном деле

ИИ в образовании

ИИ для решения демографических проблем

ИИ в криминалистике

Основная статья Искусственный интеллект в криминалистике

ИИ в судебной системе

Основная статья: Искусственный интеллект в судах

ИИ в спорте

ИИ в медицине, здравоохранении и фармацевтике

Анализ поведения граждан

ИИ в ЖКХ

Задачи машинного обучения:

  • прогнозирование технического состояния дома (лифт, кровля)
  • прогнозирование расхода воды и электричества (регрессия), предсказание заполнение показателей (классификация)
  • распознавание фото счетчиков

Искусственный интеллект в разработке программного обеспечения

Как ИИ помогает писать софт. Обзор одной из самых перспективных технологий будущего

2024: Глава Nvidia: Не учите детей программированию — ИИ заменит разработчиков

В конце февраля 2024 года генеральный директор Nvidia Дженсен Хуанг поделился своим видением перспектив внедрения искусственного интеллекта в области создания программного обеспечения и сервисов. По его мнению, в изучении программирования больше нет необходимости, поскольку в дальнейшем ИИ заменит разработчиков при написании кода.

Автоматизированное создание софта считается одной из наиболее перспективных сфер применения генеративного ИИ (ГенИИ). Такие инструменты не только позволят поднять производительность, но и помогут в повышении качества программного кода и сокращении количества возможных ошибок.

Дженсен Хуанг поделился своим видением перспектив внедрения искусственного интеллекта

По мнению Хуанга, по мере совершенствования систем ГенИИ потребность в специалистах по программированию будет быстро сокращаться. А поэтому глава Nvidia не считает необходимым обучать детей навыкам написания кода — в дальнейшем эти задачи сможет полностью взять на себя ИИ. Человеку достаточно будет сформулировать задание на естественном языке.

«
Наша задача заключается в том, чтобы создать такую вычислительную среду, в которой никому не придется программировать. Все в мире станут программистами. Это чудо искусственного интеллекта, — говорит Хуанг.
»

На фоне стремительного развития ГенИИ, по мнению гендиректора Nvidia, людям следует сосредоточиться на приобретении знаний и навыков в других важных областях, таких как биотехнологии, образование, производство и сельское хозяйство. Заявления Хуанга противоречат устоявшемуся мнению о том, что «если молодой человек хочет добиться успеха в ИТ-отрасли, он должен научиться программировать». Тем не менее, по состоянию на конец февраля 2024 года существуют различные помощники программиста на базе ИИ, которые генерируют код в ответ на текстовые запросы и оказывают поддержку при решении тех или иных проблем.[1]

Использование ИИ в бизнесе

ИИ в борьбе с мошенничеством

11 июля 2019 года стало известно о том, что всего через два года искусственный интеллект и машинное обучение будут использоваться для противодействия мошенничеству в три раза чаще, чем на июль 2019 года. Такие данные были получены в ходе совместного исследования компании SAS и Ассоциации сертифицированных специалистов по расследованию хищений и мошенничества (Association of Certified Fraud Examiners, ACFE). На июль 2019 года такие антифрод-инструменты уже используют в 13% организаций, принявших участие в опросе, и в еще 25% заявили, что планируют их внедрить в течение ближайшего года-двух. Подробнее здесь.

ИИ в электроэнергетике

  • На уровне проектирования: улучшенное прогнозирование генерации и спроса на энергоресурсы, оценка надежности энергогенерирующего оборудования, автоматизация повышения генерации при скачке спроса.
  • На уровне производства: оптимизация профилактического обслуживания оборудования, повышение эффективности генерации, снижение потерь, предотвращение краж энергоресурсов.
  • На уровне продвижения: оптимизация ценообразования в зависимости от времени дня и динамическая тарификация.
  • На уровне предоставления обслуживания: автоматический выбор наиболее выгодного поставщика, подробная статистика потребления, автоматизированное обслуживание клиентов, оптимизация энергопотребления с учетом привычек и поведения клиента.

ИИ в производственной сфере

Основная статья: Искусственный интеллект в производственной сфере

  • На уровне проектирования: повышение эффективности разработки новых продуктов, автоматизированная оценка поставщиков и анализ требований к запчастям и деталям.
  • На уровне производства: совершенствование процесса исполнения задач, автоматизация сборочных линий, снижение количества ошибок, уменьшение сроков доставки сырья.
  • На уровне продвижения: прогнозирование объемов предоставления услуг поддержки и обслуживания, управление ценообразованием.
  • На уровне предоставления обслуживания: улучшение планирования маршрутов парка транспортных средств, спроса на ресурсы автопарка, повышение качества подготовки сервисных инженеров.

ИИ в банках

Фронт:

Миддл/Бэк:

  • Обнаружение фрода
  • AML & KYC
  • Кредитные рейтинги
  • Управление рисками
  • Комплайенс
  • Обработка документов

Основные коммерческие сферы применения технологий искусственного интеллекта в банках

ИИ в сфере инвестиций

2024: Одна из крупнейших в мире инвесткомпаний Vanguard Group внедрила ИИ для управления фондами на $13 млрд

В начале февраля 2024 года стало известно о том, что одна из крупнейших в мире инвесткомпаний Vanguard Group внедряет технологии искусственного интеллекта для управления несколькими акционерными фондами с суммарным капиталом $13 млрд. Предполагается, что нейросети помогут быстрее и эффективнее адаптироваться к меняющимся экономическим и рыночным условиям. Подробнее здесь.

ИИ на транспорте

Основная статья: Искусственный интеллект на транспорте

ИИ в логистике

Основная статья: Искусственный интеллект в логистике

ИИ в аудите

Основная статья: Искусственный интеллект в аудите

ИИ в торговле

  • Распознавание образов - используется в т.ч. для узнавания клиентов и передачи им специализированных предложений.

ИИ в сельском хозяйстве

ИИ в ресторанах

2023: В России открылось первое кафе, меню и интерьеры для которого разработал искусственный интеллект

В России открылось первое кафе, меню и интерьеры для которого разработал искусственный интеллект. Речь идет об заведении азиатской кухни под названием Futuramen, которое заработало в Москве на Пятницкой. Подробнее здесь.

ИИ в юриспруденции

Основная статья: ИИ в юриспруденции

ИИ в индустрии моды

Основная статья: Искусственный интеллект в индустрии моды

ИИ в науке

Основная статья: Искусственный интеллект в науке

ИИ в развитии культуры

СМИ и литература

Как роботы заменяют журналистов, писателей и поэтов?

Видео

Музыка

Основная статья: Искусственный интеллект и создание музыки

ИИ в живописи

Основная статья: Искусственный интеллект в живописи

Игры (го, покер, шахматы)

  • Летом 2017 года стало известно, что Microsoft Research и Maluuba, стартап в сфере глубокого обучения, приобретенный корпорацией в начале 2017 года, научили искусственный разум играть в одну из самых популярных компьютерных игр всех времён Ms. Pac-Man. И не просто научили, а сделали из него чемпиона, побившего мировой рекорд, установленный человеком.

Играя в версию знаменитой аркады Ms. Pac-Man, выпущенную для одной из первых домашних консолей Atari 2600, искусственный интеллект смог набрать максимальное количество возможных очков – достижение, которое прежде было немыслимо. Результат умной машины составил 999 990 баллов, тогда как лучший результат, поставленный человеком равен 266 360 баллам.

При обучении искусственного интеллекта использовался метод под названием «гибридная архитектура наград». Он заключается в том, что 150 специальным программам-агентам назначается конкретная задача: избегать призраков, правильно передвигаться, собирать гранулы и так далее. С помощью программ-агентов искусственный интеллект самостоятельно распределял приоритеты для достижения максимального результата. Версия игры Ms. Pac-Man для Atari 2600 использовалась неспроста. Код игры в ней менее предсказуем, чем в оригинальной версии. Стратегией разработки стало использование перспективного подхода обучения с подкреплением (reinforcement learning), который предполагает, что алгоритму даются для обработки примеры желаемого поведения, и он методом проб и ошибок совершенствуется. По словам ученых, работавших над проектом, такое достижение внесет вклад в обработку естественного языка, а также потенциально сможет лечь в основу систем детального предсказания покупательского поведения, обусловленного множеством факторов.

  • В 2016 году компьютер впервые обыграл человека в го[2]. В мае 2017 года сильнейший игрок в го Кэ Цзе из Китая проиграл вторую партию программе AlphaGo. Таким образом, AlphaGo обеспечила себе победу в турнире из трех партий. Кэ Цзе, отметили эксперты, следившие за матчем, «идеально» начал партию, создавая сложные для соперника комбинации по всему игровому полю. Однако AlphaGo удалось упростить игру и добиться победы.

  • В 2017-м под угрозой оказался покер — специалисты из Университета Карнеги — Меллон создали бота, который бросил вызов профессиональным игрокам. Программа Libratus, разработанная в Университете Карнеги — Меллона, победила в 20-дневном покерном турнире «Brains Vs. Artificial Intelligence: Upping the Ante». Компьютер выиграл фишек на сумму более 1,7 миллиона долларов, сообщает New Scientist[3].

В турнире, который проходил в питтсбургском казино Rivers было сыграно 120 тысяч раздач в безлимитный техасский холдем один на один (Хедз-Ап), против Libratus играли Даниэль МакОлэй, Джимми Чу, Донг Ким и Джейсон Лес. В результате 20-дневного турнира программа победила людей, заработав более 1,7 миллиона долларов в фишках. Несмотря на это, разработчик не получат никаких денег, а призовой фонд в 200 тысяч долларов будет поделен между четырьмя живыми игроками в зависимости от занятого места.

Точно не известно, как именно работает Libratus, авторы описали лишь общую структуру программы и планируют в ближайшем будущем опубликовать статью в рецензируемом журнале. По словам разработчиков, Libratus состоит из трех частей. Основное «ядро» Libratus было подготовлено заранее, вычисления заняли 15 миллионов ядро-часов, в то время как на Claudico ушло два-три миллиона. Вторая часть программы следила за возможными ошибками, которые могли допустить соперники, и учитывала в процессе игры эту информацию. Третья часть Libratus отслеживала собственные слабые стороны, которые могли использовать противники, и корректировала общую стратегию с учетом этих данных. Такой подход позволил программе как блефовать самостоятельно, так и распознавать дезинформацию со стороны соперников[4].

По мнению авторов программы у систем, подобных Libratus, большое будущее в самых разных сферах, где приходиться иметь дело с неполной информацией. В качестве возможных сфер применения программы исследователи называют информационную безопасность, военное дело, аукционы, переговоры и даже бережливое распределение медикаментов.


Покер — игра, в которую очень сложно обучить играть компьютер: хороший игрок быстро распознает стратегии, заложенные в искусственный интеллект, и находит способ победить бота. Особенно сложно компьютеру приходится, если ставки за покерным столом нелимитированы, то есть игрок может ставить в свой ход неограниченное количество фишек.

Тем не менее, покерные боты — очень популярное направление развития игры. Есть два типа покерных ботов. Одни довольно просты и сражаются с людьми в игре с маленькими ставками — в ней уровень покера очень низок, и люди не могут разгадать даже простейшие стратегии. Такие боты не очень интересны науке и служат для зарабатывания денег — покерные сайты, как правило, пытаются с ними бороться.

Второй тип — боты, которые соревнуются с профессионалами. Они нужны не только и не столько для зарабатывания денег, сколько для продвижения науки. Тема «игр с неполной информацией» сейчас одна из самых популярных в экономической науке — неслучайно Ллойд Шепли и Элвин Рот получили в 2012 году Нобелевскую премию по экономике именно за теорию стабильного распределения, которая связана как раз с «теорией игр». Если компьютер стабильно научится лучше человека играть в игры с неполной информацией, возможно, нам больше не придется торговаться и мучаться вопросом о том, не прогадали ли мы, покупая новый автомобиль с нужными нам характеристиками именно за эту цену — потому что решать за нас это будет приложение в смартфоне[5].

  • Разработчики компьютерных игр применяют ИИ в той или иной степени проработанности. Это образует понятие «Игровой искусственный интеллект». Стандартными задачами ИИ в играх являются нахождение пути в двумерном или трёхмерном пространстве, имитация поведения боевой единицы, расчёт верной экономической стратегии и так далее.

Фотография

Основная статья: Искусственный интеллект в фотографии

Чипы для искусственного интеллекта

Основная статья: Чипы для искусственного интеллекта

Читайте также

Слушайте также

  • Подкаст TAdviser: Выпуски рубрики "Эра искусственного интеллекта".

Робототехника



  1. Nvidia CEO Jensen Huang's message to kids: generative AI means you don't need to learn coding
  2. Го-про Искусственный интеллект впервые одолел профессионального игрока в го: Wired Игра го была придумана более двух с половиной тысяч лет назад и до сих пор это одна из самых популярных игр в мире — по ней регулярно проводятся чемпионаты. На первый взгляд она очень простая: есть поле из клеток и камни — черные и белые. Игроки должны захватить своими камнями как можно большую площадь на доске. Тем не менее, именно эта игра многие годы была неподвластна компьютеру. До недавнего времени искусственный интеллект не мог обыгрывать игроков высокого уровня — магистров.
  3. AI just won a poker tournament against professional players
  4. Искусственный интеллект победил профессиональных игроков в покер
  5. Компьютер против человека. На этот раз в покер Искусственный интеллект пытается обыграть четырех профессиональных игроков


ПРОЕКТЫ (244) ПРОЕКТЫ НА БАЗЕ (520) ИНТЕГРАТОРЫ (135)
РЕШЕНИЕ НА БАЗЕ (660) СМ. ТАКЖЕ (990) ОТРАСЛИ (42)
ГЕОГРАФИЯ

ЗаказчикИнтеграторГодПроект
- Трамвайно-троллейбусное управление г. Таганрога
Синара-Транспортные Машины (СТМ), Университет Иннополис2024.12Описание проекта
- Правительство Ставропольского края
Мобильные ТелеСистемы (МТС)2024.12Описание проекта
- Министерство промышленности и торговли РФ (Минпромторг)
Без привлечения консультанта или нет данных2024.11Описание проекта
- Данафлекс (Danaflex)
Университет Иннополис2024.02Описание проекта
- Федеральная служба по надзору в сфере образования и науки (Рособрнадзор)
Ростелеком2024.02Описание проекта
- ProgKids (Прогкидс)
Без привлечения консультанта или нет данных2024.02Описание проекта
- Приволжская железная дорога, РЖД
VizorLabs (Визорлабс)2024.02Описание проекта
- Газпром ЦПС
Синимекс (Cinimex), БизнесАвтоматика НПЦ2024.01Описание проекта
- Texel (Тексел)
Без привлечения консультанта или нет данных2024.01Описание проекта
- АвтоМаш
Моделирование и цифровые двойники (МЦД) (ранее CADFEM CIS, КАДФЕМ Си-Ай-Эс)2024.01Описание проекта
- Тандер Сеть магазинов Магнит
Без привлечения консультанта или нет данных2023.12Описание проекта
- Русагро ГК
Инфосистемы Джет2023.12Описание проекта
- Русагро Масло
Axenix (ранее Аксенчер Россия) Аксеникс, Русагро Тех (Русагро Технологии)2023.12Описание проекта
- Витро Софт (Vitro Software)
Без привлечения консультанта или нет данных2023.12Описание проекта
- СберМаркет (компания)
TargetAI (Таргет плюс)2023.12Описание проекта
- Карельский окатыш
Без привлечения консультанта или нет данных2023.11Описание проекта
- Рекорд Капитал УК
Жилфонд Агентство недвижимости2023.11Описание проекта
- Министерство природных ресурсов, лесного хозяйства и экологии Пермского края
Университет Иннополис, ИнноГеоТех2023.11Описание проекта
- Cashdrive
Marketing Logic (Маркетинг Лоджик)2023.11Описание проекта
- Мобильные ТелеСистемы (МТС)
Без привлечения консультанта или нет данных2023.11Описание проекта
- Министерство жилищно-коммунального хозяйства Ростовской области
Электронные офисные системы (ЭОС)2023.11Описание проекта
- Государственная инспекция по контролю за использованием объектов недвижимости города Москвы (Госинспекция по недвижимости)
Департамент информационных технологий Москвы (ДИТ)2023.10Описание проекта
- Министерство труда и социальной защиты республики Марий Эл
Без привлечения консультанта или нет данных2023.10Описание проекта
- Сайлюгемский
Яндекс.Облако (Yandex.Cloud)2023.09Описание проекта
- Архивный комитет Санкт-Петербурга
Санкт-Петербургский информационно-аналитический центр (СПб ИАЦ)2023.09Описание проекта
- Центр диагностики и телемедицины (НПКЦ ДиТ ДЗМ)
Без привлечения консультанта или нет данных2023.09Описание проекта
- МегаФон
Без привлечения консультанта или нет данных2023.08Описание проекта
- Московский зоопарк
VK (ранее Mail.ru Group)2023.08Описание проекта
- Татнефть
ИТМО (научно-образовательная корпорация), ТатИТнефть2023.08Описание проекта
- Glorax
Idaproject2023.07Описание проекта

<< < 1 2 3 4 5 6 7 8 > >>


Подрядчики-лидеры по количеству проектов

За всю историю
2021 год
2022 год
2023 год
Текущий год

Распределение вендоров по количеству проектов внедрений (систем, проектов) с учётом партнёров

За всю историю
2021 год
2022 год
2023 год
Текущий год

  Datareon (Датареон) (1, 54)
  АйТи Про (IT Pro) (1, 4)
  ЮниДата (UniData) (1, 3)
  Modus BI (БиАЙ Про) (1, 3)
  Informatica (2, 1)
  Другие (5, 5)


Подрядчики-лидеры по количеству проектов

За всю историю
2021 год
2022 год
2023 год
Текущий год

Распределение вендоров по количеству проектов внедрений (систем, проектов) с учётом партнёров

За всю историю
2021 год
2022 год
2023 год
Текущий год

  БизнесАвтоматика НПЦ (1, 3)
  Dell EMC (1, 2)
  Полиматика (Polymatica) (1, 2)
  Informatica (1, 1)
  Minit (1, 1)
  Другие (5, 5)

Распределение систем по количеству проектов, не включая партнерские решения

За всю историю
2021 год
2022 год
2023 год
Текущий год