Департамент анализа данных и машинного обучения

Заместитель декана по научной работе факультета информационных технологий и анализа больших данных Антон Алексеевич Лосев принял участие в видеоконференции «Мониторинг и управление инцидентами: ситуационно-аналитические и диспетчерские центры».

Видеоконференция, которая состоялась 23 июля 2020, была посвящена обсуждению практических кейсов применения методов оценки риска, методик предиктивного анализа и прогноза ситуации, используемых программных средств, способов отображения интегрированной аналитики, существующих систем поддержки принятия решений.

Замдекана факультета ИТ и анализа больших данных А.А.Лосев представил участникам проект применения интеллектуальных систем поддержки принятия решений на основе мониторинга и анализа видеопотоков, который планируется к внедрению в многофункциональных центрах для оценки уровня удовлетворенности посетителей качеством предоставления государственных и муниципальных услуг. В ходе своего выступления он рассказал, как специалисты Департамента анализа данных и машинного обучения Финансового университета под руководством главы департамента Соловьёва Владимира Игоревича создали систему автоматизированного мониторинга данных видеонаблюдения с использованием методов машинного обучения, которая прошла успешную апробацию внутри университета. С ее помощью система следила за уровнем вовлеченности студентов в учебный процесс, учитывая такие параметры, как направление взгляда, поворот и наклон головы, синтетический признак «групповой взгляд», расстояние от студента до преподавателя. 

«Онлайн система оценки вовлеченности студентов зарекомендовала себя в качестве элемента ситуационного центра ректора и была внедрена как успешное решение со скольких российских и зарубежных ВУЗах», - отметил Лосев.

Модель машинного обучения, созданная для МФЦ, имеет ряд отличий от системы, применяемой для мониторинга вовлеченности студентов: она основывается прежде всего на идентификации эмоций посетителей МФЦ в начале и в конце обслуживания, учитывает тип оказываемых услуг и работает в защищенном периметре локальной вычислительной сети МФЦ без использования облачных решений.

«Внедрение локального отечественного решения по оценке удовлетворенности услугами МФЦ позволит перейти на качественно новый уровень получения обратной связи и повышения качества обслуживания», - пояснил Лосев в ходе выступления.

Первичный анализ эмоций проводится с помощью модели Mini XCeption, обученной на 28 тысячах фотографий и способной в реальном времени классифицировать эмоции: happiness (счастье); sadness (грусть); scare (страх); angry (гнев); disgust (отвращение); contempt (презрение); surprise (удивление); neutral (нейтральность — отсутствие проявления эмоций).​