Выпускная квалификационная работа магистра посвящена разработке и автоматизации модели машинного обучения для предсказания выживаемости клиента коммерческого предприятия. В ходе проведения работы была обучена и автоматизирована модель машинного обучения при использовании современных передовых технологий больших данных, машинного обучения и глубокого обучения. К тому же, были использованы современные алгоритмы построения векторного представления данных для улучшения качества модели. На основе обзора других современных методов и сравнения результатов на практике был выбран алгоритм Node2Vec. Обученная модель передается на кластере Apache Hadoop, где вычисляются предсказаний в больших объемах при помощи Apache Spark. В результате, модель была обучена и протестирована, продемонстрировав хорошее качество предсказаний. Автоматизация происходила с использованием Apache Airflow на кластере Hadoop.

The master thesis is devoted to development and automation of the machine learning model for predicting business customer survival. In the course of the work, the machine learning model was fitted and automated using modern technologies of big data, machine learning and deep learning. In addition, modern algorithms for constructing a vector representation of data were used to improve the quality of the model. Based on the comparative analysis, the Node2Vec algorithm was chosen. The fitted model is sent to the Apache Hadoop cluster, where large- scale predictions are calculated using Apache Spark. As a result, the model was fitted and tested, demonstrating the good quality of the predictions. Automation took place using Apache Airflow on a Hadoop cluster.