| Аннотация | В статье рассмотрены вызовы и проблемы машинного обучения, возникающие в суперкомпьютерном математическом моделировании процессов и явлений реального мира. В настоящее время такое моделирование стало основным инструментом получения фундаментальных и прикладных знаний, а также условием заметного повышения производительности труда и внутреннего валового продукта. Описаны принципы современного предсказательного моделирования на основе высокопроизводительных вычислений, искусственного интеллекта и обработки больших объёмов данных. Проанализированы тенденции развития наукоёмкого математического и программного обеспечения в рамках интегрированных вычислительных окружений; последние предполагают гибкое расширение состава изучаемых моделей и применяемых алгоритмов, эффективное использование внешних продуктов, адаптацию к эволюции компьютерных платформ, ориентированных на длительный жизненный цикл. Изложена методология машинного обучения на основе технологического цикла, который включает формирование и модификацию моделей, реализацию вычислительного эксперимента с решением прямых и обратных задач, анализ результатов и принятие решений по оптимизации видов деятельности для достижения поставленных целей. |
|---|