Uczenie maszynowe do samoorganizacji systemów rozproszonych w zastosowaniach gospodarczych

W pracy omowiono uczenie maszynowe do samoorganizacji systemow rozproszonych w zastosowaniach gospodarczych ze szczegolnym uwzglednieniem sieci neuronowych do predykcji finansowych oraz szacowania ratingu przedsiebiorstw. Oprocz sieci neuronowych, istotną role w przygotowaniu i testowaniu informatycznych systemow finansowych moze pelnic programowanie genetyczne. Z tego powodu omowiono uczenie maszynowe w aplikacjach konstruowanych automatycznie. W celu uzyskania przewagi konkurencyjnej uczenie maszynowe moze byc wykorzystane do zarządzania zasobami samoorganizujących sie mgiel i chmur obliczeniowych do realizacji obliczen biznesowych w firmie. Opisano takze wybrane zastosowania gospodarcze samoorganizujących sie systemow rozproszonych, w tym odniesiono sie do badan nad wiarygodnością kredytobiorcow, a takze wskazano na metody stosowane do szacowania ryzyka sektora bankowego. Na zakonczenie przedstawiono kluczowe wnioski oraz kierunki dalszych badan.