Тема выпускной квалификационной работы: «Использование нейронных сетей и машинного обучения для прогнозирования успешности инновационных проектов». Данная работа посвящена исследованию существующих способов прогнозирования успешности инновационных проектов, а также в разработке модели прогнозирования инновационных проектов на основе данных об инновационных проектах таких как: сроки проекта, прибыли от проекта, бюджета проекта, области реализации проекта, размера команды проекта, региона. Задачи, которые решались в ходе исследования, включают в себя изучение теоретических аспектов моделирования прогнозирования, машинного обучения; рассмотрение особенностей устройства машинного обучения; анализ и обработка существующих данный об успешности инновационных проектах; анализ имеющихся методов оценки точности моделей, разработка и апробация модели прогнозирования успешности инновационных проектов, а также разработка рекомендаций по применению модели. В ходе выполнения исследования применялись такие методы как анализ статистических данных и анализ научной литературы по описанию моделей прогнозирования. В результате был разработана и апробирована модель прогнозирования успешности инновационных проектов, а также рекомендации по ее использованию. Разработанный метод, отличается от уже известных моделей тем, что модель составляет множество версий прогнозирования, каждый раз опираясь на предыдущий опыт, выбирая из всех наиболее точную.

Topic of the final qualification work: “Using neural networks and machine learning to predict the success of innovative projects”. This work is devoted to the study of existing methods for predicting the success of innovative projects, as well as in developing a forecasting model for innovative projects based on data on innovative projects such as: project timeline, project profits, project budget, project implementation area, project team size, region. The tasks that were solved in the course of the study include the study of theoretical aspects of forecasting modeling, machine learning; consideration of the features of the machine learning device; analysis and processing of existing data on the success of innovative projects; analysis of available methods for assessing the accuracy, development and testing of a model for predicting the success of innovative projects, as well as development of recommendations for the model. In the course of the study, such methods as the analysis of statistical data and the analysis of scientific literature on the description of forecasting models were used.As a result, a model for predicting the success of innovative projects was developed and tested, as well as recommendations for its use. The developed method differs from already known models in that the model makes many versions of forecasting, each time relying on previous experience, choosing the most accurate one from all.