Принципы построения цифровой платформы для научно-технического центра
Аннотация
Цифровые платформы признаны успешным инструментом для создания прорывных стратегий как в цифровых, так и в нецифровых отраслях. Авторы данного исследования делятся результатами разработки цифровой платформы для научно-технического центра в нефтегазовой отрасли. В исследовании сделан анализ известных подходов к созданию цифровых платформ, определены особенности научно-технической деятельности, показано, как была учтена специфика нефтегазовой отрасли в цифровой платформе «ЭРА:ГРАД».
Об авторах
М. М. Хасанов
Научно-технический центр ООО «Газпром нефть»
Россия
Россия
г. Санкт-Петербург
Р. М. Галеев
Научно-технический центр ООО «Газпром нефть»
Россия
Россия
г. Санкт-Петербург
А. М. Маргарит
Научно-технический центр ООО «Газпром нефть»
Россия
Россия
г. Санкт-Петербург
Ф. В. Краснов
Научно-технический центр ООО «Газпром нефть»
Россия
Россия
г. Санкт-Петербург
Список литературы
1. Велихов Е. П., Бетелин В. Б., Кушниренко А. Г. Промышленность, инновации, образование и наука в России. М. : Наука, 2009. 141 с.
2. Куприяновский В. П., Соколов И. А., Талашкин Г. Н., Дунаев О. Н., Зажигалкин А. В., Распопов В. В., Намиот Д. Е., Покусаев О. Н. Цифровая совместная экономика: технологии, платформы и библиотеки в промышленности, строительстве, транспорте и логистике // International Journal of Open Information Technologies. 2017. Т. 5, № 6. С. 65–75.
3. Chaum D. Security Without Identification: Transaction Systems to Make Big Brother Obsolete // Communications of the ACM. 1985. Vol. 28, No. 10. P. 1030–1044.
4. Никлаус В. Алгоритмы и структуры данных. Саратов : Профобразование, 2017. 274 с.
5. Wolpert D. H., Macready W. G. No Free Lunch Theorems for Optimization // IEEE Transactions on Evolutionary Computation. 1997. Vol. 1, No. 1. P. 67–82.
6. Flinn K. Leadership Development: A Complexity Approach. London : Routledge, 2018. 40 p.
7. Kluyver T., Ragan-Kelley B., Pérez F., Granger B. E., Bussonnier M., Frederic J., Ivanov P. Jupyter Notebooks – a Publishing Format for Reproducible Computational Workflows // Conference ELPUB. 2016. P. 87–90.
8. Портер М. Международная конкуренция: конкурентные преимущества стран. М. : Альпина Паблишер, 1993. 896 с.
9. Гимранов Р. Д. Стратификация информационных систем // Вестник кибернетики. 2016. №. 1. С. 57–62.
10. Abadi M., Barham P., Chen J., Chen Z., Davis A., et al. TensorFlow: a System for Large-Scale Machine Learning // OSDI. 2016. Vol. 16. P. 265–283.
11. Pedregosa F., Varoquaux G., Gramfort A., Michel V., Thirion B. et al. Scikit-learn: Machine Learning in Python // Journal of Machine Learning Research. 2011. Vol. 12. P. 2825–2830.
12. Gulli A., Pal S. Deep Learning with Keras. : Packt Publishing Ltd, 2017. 318 p.
13. Paszke A., Gross S., Chintala S., Chanan G., Yang E. et al. Automatic Differentiation in PyTorch // 31st Conference on Neural Information Processing Systems (NIPS 2017), Long Beach, CA, USA. 4 p.
Рецензия
Для цитирования:
Хасанов М.М., Галеев Р.М., Маргарит А.М., Краснов Ф.В. Принципы построения цифровой платформы для научно-технического центра. Вестник кибернетики. 2019;(4 (36)):66-73.
For citation:
Khasanov M.M., Galeev R.M., Margarit A.M., Krasnov F.V. Digital Platform Buildup Principles for Science and Technology Center. Proceedings in Cybernetics. 2019;(4 (36)):66-73. (In Russ.)
Просмотров: 156
Послать статью по эл. почте 