РАЗРАБОТКА СЕРВИСА ДЛЯ ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ
СОЗДАНИЯ ГРАФИЧЕСКИХ МАРКЕТИНГОВЫХ МАТЕРИАЛОВ НА
ОСНОВЕ ГЛУБОКИХ НЕЙРОННЫХ СЕТЕЙ (НА ПРИМЕРЕ ООО
«ЭСТЕСИС»)
1 ОСНОВЫ ГЛУБОКОГО ОБУЧЕНИЯ И ЕГО ПРИМЕНЕНИЕ В
МАРКЕТИНГОВОЙ ДЕЯТЕЛЬНОСТИ ОРГАНИЗАЦИЙ 9
1.1 Интеллектуальные информационные системы компьютерного
зрения как инструмент повышения эффективности маркетинговой деятельности 9
1.2 Технология глубокого обучения и ее применение в задачах обработки графической информации для решения маркетинговых задач 15
1.3 Рынок информационных систем для создания графических
маркетинговых материалов 23
2 АНАЛИЗ ЭКОНОМИЧЕСКОЙ ДЕЯТЕЛЬНОСТИ ООО «ЭСТЕСИС». .30
2.1 Общая характеристика предприятия ООО «Эстесис» 30
2.2 Финансово-экономический анализ деятельности организации 38
2.3 Анализ ИТ-инфраструктуры и бизнес-процессов организации 45
3 РАЗРАБОТКА СЕРВИСА ДЛЯ ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ
СОЗДАНИЯ ГРАФИЧЕСКИХ МАРКЕТИНГОВЫХ МАТЕРИАЛОВ 52
3.1 Разработка концепции сервиса и реализация алгоритма удаления
фона с изображений 52
3.2 Разработка интерфейса взаимодействия пользователя с системой...58
3.3 Оценка эффективности сервиса 64
ЗАКЛЮЧЕНИЕ 70
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ И ЛИТЕРАТУРЫ 73
Реферат
Выпускной квалификационной работы Мусатова Алексея Игоревича
по профилю «Бизнес-информатика»
направления 38.03.05 «Бизнес-информатика»
квалификация «Бакалавр»
на тему Разработка сервиса для повышения эффективности создания
графических маркетинговых материалов на основе глубоких нейронных
сетей (на примере ООО «Эстесис»)
Целью выпускной квалификационной работы является повышение эффективности создания графических маркетинговых материалов за счёт предоставления клиентам интернет-сервиса для обработки изображений.
Объектом исследования выступает общество с ограниченной ответственностью «Эстесис».
Предмет исследования - интернет-сервисы для создания графических маркетинговых материалов.
Методологическую и информационную базу исследования составили научные работы и книги электронные ресурсы, статистические данные, специализированные издания, внутренние документы организации.
Практическая значимость выпускной квалификационной работы заключается в возможности использования разработанного программного продукта предприятиями для повышения эффективности создания графических маркетинговых материалов и извлечении прибыли предприятием-разработчиком.
Внедрение разработанного программного продукта позволяет автоматизировать процесс удаления и замены заднего фона изображений, используемых для решения маркетинговых задач, сократив среднемесячное время на обработку изображений в среднем в 50 раз. Общий годовой экономический эффект от экономии времени может быть оценён в 19.2 тыс. руб.
Современные предприятия невозможно представить без использования информационных технологий. Более того, с каждым годом происходит увеличение количества и повышения уровня сложности задач, решаемых с их помощью. Внедрение предприятиями технологий искусственного интеллекта стало важнейшим шагом в их развитии в целом, так как это позволило значительно повысить эффективность бизнес-процессов.
Особой популярностью технологии искусственного интеллекта, в частности глубокое обучение, пользуются при решении задач компьютерного зрения и обработки графической информации, поскольку предприятия стремятся автоматизировать решение этих задач, так как обработка больших объёмов изображений сложна и занимает большое количество времени.
Согласно известной кривой цикла хайпа исследовательской и консалтинговой компании Gartner, в 2017 году прошёл пик завышенных ожиданий от технологий компьютерного зрения и в 2019-2022 годах компьютерное зрение выходит на плато продуктивного использования, то есть стадию зрелости, при которой общество и бизнес осознают достоинства и ограничения данной технологии и начинают массово использовать её для решения различных прикладных задач [1]. Данный факт свидетельствует об актуальности практического использования рассматриваемой технологии. Ключевой особенностью при этом является постепенное расширение её доступности для представителей среднего и малого бизнеса.
Все вышесказанное предопределяет актуальность выбранной темы выпускной квалификационной работы
В проведённом исследовании рассматриваются масштабы уже оказанного влияния технологий искусственного интеллекта на глобальный и российский рынок, а также приводятся рассуждения о возможных траекториях развития данной технологии.
Объектом исследования выступает общество с ограниченной ответственностью «Эстесис» (далее ООО «Эстесис»).
Предмет исследования - интернет-сервисы для создания графических маркетинговых материалов.
Целью выпускной квалификационной работы является повышение эффективности создания графических маркетинговых материалов за счет предоставления клиентам платного интернет-сервиса для обработки изображений.
Для достижения поставленной цели необходимо решить следующие задачи:
1. исследовать возможности применения технологий глубокого обучения для повышения эффективности создания графических маркетинговых материалов;
2. провести финансово-экономический анализ деятельности организации ООО «Эстесис»;
3. построить и описать модель бизнес-процессов организации;
4. обозначить проблемные места организации и сформулировать рекомендации по их устранению;
5. спроектировать и реализовать программный продукт, включающий в себя модель глубокого обучения;
6. рассчитать экономический эффект разработанного решения для предприятия и клиентов.
Практическая значимость выпускной квалификационной работы заключается в возможности использования разработанного программного продукта предприятиями целевой аудитории и извлечении прибыли предприятием-разработчиком.
Методологическую и информационную базу исследования составили научные работы и книги отечественных и зарубежных авторов, электронные ресурсы, статистические данные, словари, справочники, специализированные издания, внутренние документы организации.
Работа состоит из введения, трёх глав, заключения, списка использованных источников и литературы, состоящего из 60 наименований.
Во введении приводится обоснование выбора темы, практическая значимость разработанного решения, формулируются цели и задачи исследования.
В первой главе рассматривается рынок интеллектуальных информационных систем компьютерного зрения, теоретические основы глубокого обучения, приводится классификация основных задач, акцентируется внимание на актуальности использования глубоких нейронных сетей для решения задач компьютерного зрения в маркетинговой деятельности организаций.
Во второй главе описывается специфика деятельности ООО «Эстесис», организационная структура, IT-инфраструктура и цели организации. Также приводится финансово-экономический анализ её деятельности и модель основных бизнес-процессов.
В третьей главе приводится описание этапов создания программного продукта, в том числе, этапа сбора и обработки данных, этапа построения и оценки модели и этапа внедрения модели в программный продукт. Рассматривается алгоритм работы с приложением для конечного пользователя. Также в данной главе представлена оценка эффективности предложенного решения.
В заключении подводятся итоги проведённого исследования. Выделяются особенности работы и перспективы практического применения разработанного продукта.
Целью выпускной квалификационной работы является повышение эффективности создания графических маркетинговых материалов за счет предоставления клиентам платного интернет-сервиса для обработки изображений.
Для достижения поставленной цели были выполнены следующие задачи:
1. Исследованы возможности применения технологий глубокого обучения для повышения эффективности создания графических маркетинговых материалов
В ходе работы был исследованы интеллектуальные информационные системы компьютерного зрения как инструмент повышения эффективности создания графических маркетинговых материалов, рассмотрены теоретические основы глубокого обучения и перспективы его применения в маркетинговой деятельности предприятий, а также рассмотрен рынок информационных систем для создания графических маркетинговых материалов.
2. Проведён финансово-экономический анализ деятельности ООО «Эстесис»
В процессе решения данной задачи были изучены документы финансовой отчётности, рассмотрена динамика таких показателей как чистая прибыль и выручка, проанализирован бухгалтерский баланс организации и рассчитаны основные показатели ликвидности, финансовой устойчивости и рентабельности, сделаны выводы о финансово-экономическом состоянии предприятия.
3. Построены и описаны основные бизнес-процессы организации
Рассмотрены ключевые бизнес-процессы организации, подробно исследованы все выделенные бизнес-процессы, построены диаграммы в нотации IDEF0, исследована ИТ-инфраструктура предприятия, а также построено дерево целей и организационная структура организации.
4. Обозначены проблемные места организации и предложены рекомендации по их устранению
В ходе решения данной задачи была выявлена ключевая проблема организации - снижение доли доходов от реализации собственных продуктая, которая связана с отсутствием продуктов, приносящих постоянный доход, ввиду высокой технической сложности и инновационности существующих продуктов. Таким образом, было предложено разработать программный продукт, подразумевающий быстрый выход на рынок и получение стабильного дохода от подписочной модели.
5. Спроектирован и реализован программный продукт, включающий в себя модель глубокого обучения
Для решения данной задачи были определены функциональные требования к разрабатываемому программному продукту, выбраны средства для реализации модели глубокого обучения, а также собраны и подготовлены данные для обучения данной модели. Реализация программного продукта осуществлена на языке Python 3 с использование фреймворка для разработки моделей глубокого обучения PyTorch.
6. Рассчитан экономический эффект разработанного решения для предприятия и для клиентов.
Определены результаты от внедрения программного продукта предприятиями-клиентами, рассчитаны точка безубыточности и срок окупаемости сервиса для предприятия-разработчика, а также определён вклад разработанного сервиса в достижение целей ООО «Эстесис».
Практическая значимость выпускной квалификационной работы заключается в возможности использования разработанного программного продукта предприятиями для повышения эффективности маркетинговой деятельности и извлечении прибыли предприятием-разработчиком.
Таким образом, цель работы можно считать достигнутой, а поставленные задачи выполненными.
1. 5 Trends Emerge in the Gartner Hype Cycle for Emerging Technologies, 2018
[Электронный ресурс]: - URL:
https://www.gartner.com/smarterwithgartner/5-trends-emerge-in-gartner- hype-cycle-for-emerging-technologies-2018/ - Дата обращения: 12.05.2020
2. Adobe Photoshop [Электронный ресурс]: - URL: https://www.adobe.com/products/photoshop.html - Дата обращения: 19.04.2020
3. Adobe Photoshop Express [Электронный ресурс]: - URL: https://www.adobe.com/photoshop/online/photo-editing.html - Дата обращения: 19.04.2020
4. ClipDrop [Электронный ресурс]: - URL:
https://play.google.com/store/apps/details? id=app.arcopypaste&hl=en US&gl=US - Дата обращения: 19.04.2020
5. Computer Vision Market by Component (Hardware (Camera, Frame Grabber,
Optics, Processor) and Software (Deep Learning and Traditional Software)), Product (PC Based and Smart Camera Based), Application, Vertical - Global Forecasts to 2023
https://www.marketsandmarkets.com/Market-Reports/computer-vision- market-186494767.html - Дата обращения: 03.03.2020
6. Computer Vision Market Size, Share & Trends Analysis Report By
Component (Hardware, Software), By Product Type (Smart Camera-based, PC-based), By Application, By Vertical, By Region, And Segment Forecasts, 2020 - 2027 [Электронный ресурс]: - URL:
https://www.grandviewresearch.com/industry-analysis/computer-vision- market - Дата обращения: 03.03.2020
7. Corel PHOTO-PAINT [Электронный ресурс]: - URL: https://www.coreldraw.com/en/pages/photo-paint/ - Дата обращения: 19.04.2020
8. Estesis Technologies. Искусственный интеллект и анализ данных. [Электронный ресурс]: - URL: https://estesis.tech/ru/ - Дата обращения: 27.02.2020
9. Global Computer Vision Market Research Report Information by By
Component, By Application, By End-User and By Region Forecast Till 2027 [Электронный ресурс]: - URL:
https://www.marketresearchfuture.com/reports/computer-vision-market-5496 - Дата обращения: 03.03.2020
10. GNU Image Manipulation Program [Электронный ресурс]: - URL: https://www.gimp.org - Дата обращения: 19.04.2020
11.Icons8 background remover [Электронный ресурс]: - URL: https://icons8.ru/bgremover - Дата обращения: 19.04.2020
12. Krita [Электронный ресурс]: - URL: https://krita.org/en/ - Дата обращения: 19.04.2020
13. McKinsey: The state of AI in 2020 https://www.mckinsey.com/business- functions/mckinsey-analytics/our-insights/global-survey-the-state-of-ai-in- 2020 - Дата обращения: 05.05.2020
14.Omidia Computer Vision Technologies & Markets Report - 2020 [Электронный ресурс]: - URL:
https://omdia.tech.informa.com/products/computer-vision-technologies-and- markets-report 2020 - Дата обращения: 03.03.2020
15. PhotoRoom [Электронный ресурс]: - URL: https://photoroom.com - Дата обращения: 19.04.2020
16. PIXLR: remove background [Электронный ресурс]: - URL:
https://pixlr.com/remove-background/ - Дата обращения: 19.04.2020
17. Qin X., Zhang Z., Huang C., Dehghan M., Zaiane O. R., Jagersand M. U2- Net: Going Deeper with Nested U-Structure for Salient Object Detection // Pattern Recognition, 2020. №10. 124-140 c.
18. removebg [Электронный ресурс]: - URL: https://www.remove.bg - Дата обращения: 19.04.2020
19. U2-Net: the official repo for the «U2-Net: Going Deeper with Nested U- Structure for Salient Object Detection» paper [Электронный ресурс]: - URL: https://github.com/xuebinqin/U-2-Net - Дата обращения: 22.04.2020
20. Аверин В. Компьютерная графика. Учебник - Москва: Академия, 2020. 256 с.
21. Андреева Ю.Ю., Фрейдинов Ю.Л. Использование модели IDEF0 для совершенствования предприятия // Материалы научной конференции с международным участием Санкт-Петербургского политехнического университета Петра Великого, 2018. 124-129 с.
22. Басс А., Бураков Д., Молчанов И., Молчанова Н. Финансы и кредит. Современные концепции: Учебник - Москва: НИЦ ИНФРА-М, 2021. 313 с.
23. Бишоп К. М. Распознавание образов и машинное обучение - Москва: Вильямс, 2020. 960 с.
24. Большаков В., Чагина А., Инженерная и компьютерная графика. Теоретический курс и тестовые задания. Учебное пособие - Санкт- Петербург: БХВ-Петербург, 2019. 384 с.
25. Борисова Д.В., Плаксина И.В. Использование методологии IDEF0 для проектирования сайта // Сборник научных трудов Всероссийской научно¬практической конференции студентов, магистрантов, аспирантов Поволжского института управления имени П.А. Столыпина, 2019. 32-36 с.
26. Буч Г., Рамбо Д., Якобсон И. Введение в UML от создателей языка - Москва: ДМК Пресс, 2018. 496 с.
27. Волков А. И. Методологические и программно-технологические аспекты внедрения процессного управления в ИТ-компании // Прикладная информатика. 2019. №2 (50). 66-72 с.
28. Вьюгин В. Математические основы машинного обучения и
прогнозирования - Москва: МЦНМО, 384. 390 с.
29. Гифт Н. Прагматичный ИИ. Машинное обучение и облачные технологии - Санкт-Петербург: Питер СПб, 2019. 304 с.
30. Гличка В. Векторная графика для дизайнеров - Москва: ДМК Пресс, 2020. 272 с.
31. Гудфеллоу Я., Бенджио И., Курвилль А. Глубокое обучение - Москва: ДМК Пресс, 2018. 652 с.
32. Жерон О. Прикладное машинное обучение с помощью Scikit-Learn, Keras и TensorFlow - Москва: Вильямс, 2020. 1040 с.
33. Жук Ю. Информационные технологии. Мультимедиа. Учебное пособие - Москва: Лань, 2021. 208 с.
34. Казначевская А. Менеджмент. Учебник - Москва: Феникс, 2018. 429 с.
35. Картечина Н.В. Абалуев Р.Н., Шацкий В.А., Дорохова А.М. Разработка диаграммы прецедентов web-сайта // Наука и образование, 2020. 129-133 с.
36. Кацов И. Машинное обучение для бизнеса и маркетинга - Санкт- Петербург: Питер, 2019. 512 с.
37. Ковалев В., Ковалев В. Корпоративные финансы. Учебник - Санкт- Петербург: Проспект, 2021. 640 с.
38. Компьютерное зрение: технологии, рынок, перспективы [Электронный
ресурс]: - URL:
https://www.tadviser.ru/index.php/%D0%A1%D1%82%D0%B0%D1%82%D 1%8C%D1%8F:%D0%9A%D0%BE%D0%BC%D0%BF%D1%8C%D1%8E %D1%82%D0%B5%D1%80%D0%BD%D0%BE%D0%B5 %D0%B7%D1%80%D0%B5%D0%BD%D0%B8%D0%B5: %D1%82%D0%B5%D1%85%D0%BD%D0%BE%D0%BB%D0%BE %D0%B3%D0%B8%D0%B8, %D1%80%D1%8B%D0%BD%D0%BE %D0%BA, %D0%BF%D0%B5%D1%80%D1%81%D0%BF %D0%B5%D0%BA %D1%82%D0%B8%D0%B2%D1%8B#.D0.9C.D0.B8.D1.80.D0.BE.D0.B2.
D0.BE.D0.B9 .D1.80.D1.8B.D0.BD.D0.BE.D0.BA CV - Дата обращения: 05.05.2020
39. Лунева Е., Реброва Н. Цифровой маркетинг. Учебное пособие - Москва: Прометей, 2021. 164 с.
40. Макаров В.В., Слуцкий М.Г., Александрова Н.А. Совершенствование бизнес-процессов оценки топ менеджеров компании с использованием модели IDEF0 // Международный журнал гуманитарных и естественных наук, 2020. №2-2. 127-134 с.
41. Макаровских Т. GIMP и Adobe Photoshop. Лекции по растровой графике - Москва: Либроком. 2021. 412 с.
42. Микелуччи У. Прикладное глубокое обучение. Подход к пониманию глубоких нейронных сетей на основе метода кейсов - Санкт-Петербург: BHV-СПб, 2020. 368 с.
43. Николенко С., Кадурин А., Архангельская Е. Глубокое обучение. Погружение в мир нейронных сетей - Санкт-Петербург: Питер СПб, 2020. 480 с.
44. Никулин Е. Компьютерная графика. Фракталы. Учебное пособие - Москва: Лань, 2018. 100 с.
45.Общероссийский классификатор видов экономической деятельности [Электронный ресурс]: - URL:
http://www.consultant.ru/document/cons doc LAW 163320/ - Дата
обращения: 01.03.2020
46. Пател А. Прикладное машинное обучение без учителя с использованием Python - Москва: Вильямс, 2020. 432 с.
47. Паттерсон Дж., Гибсон А. Глубокое обучение с точки зрения практика - Москва: ДМК Пресс, 2018. 418 с.
48. Портнов, М. С., Речнов А. В., Смирнова Т. Н. О моделях описания бизнес-процессов // Вестник РУК. 2018. №4 (30). 53-56 с.
49. Равичандиран С. Глубокое обучение с подкреплением на Python. OpenAI Gym и TensorFlow для профи - Санкт-Петербург: Питер, 2019. 320 с.
50. Рамсундар Б., Заде Р. TensorFlow для глубокого обучения - Санкт- Петербург: БХВ-Петербург, 2019. 256 с.
51. Рамсундар Б., Истман П., Уолтерс П., Панде В. Глубокое обучение в биологии и медицине - Москва: ДМК Пресс, 2020. 200 с.
52. Рашка С., Мирджалили В. Python и машинное обучение - Москва: Вильямс, 2020. 500 с.
53. Хританков А. С., Полежаев В. А. Проектирование на UML. Сборник задач - Москва: Ridero, 2020. 214 c.
54.Черняк Е. Введение в глубокое обучение - Москва: Диалектика, 2020. 192 с.
55.Чио К., Фримэн Д. Машинное обучение и безопасность - Москва: ДМК Пресс, 2020. 388 с.
56.Чувикова В., Иззука Т. Бухгалтерский учет и анализ. Учебник - Москва: Дашков и К, 2021. 246 с.
57. Шакла Н. Машинное обучение и TensorFlow - Санкт-Петербург: Питер СПб, 2019. 336 с.
58. Шевченко Д. Шевченко Д. Основы современного маркетинга - Москва: Прометей. Учебник, 2021. 615 с.
59. Шолле Ф. Глубокое обучение на Python - Санкт-Петербург: Питер СПб, 2018. 400 с.
60. Штырова И.А. Функциональные требования к информационной системе управления процессом разработки web-ресурсов // Сборник статей III Международной научно-практической конференции, посвященной 90- летию Брянского государственного инженерно-технологического университета, 2020. 66-71 с.