Разработка мобильного приложения рекомендательной системы для подбора локальных мероприятий и активностей (гаражные распродажи, мастер-классы) в сфере урбанистики с применением ИИ.

Написание выпускной квалификационной работы (ВКР) по направлению 09.03.02 «Информационные системы и технологии» — задача не из лёгких. Особенно когда речь идёт о сложной и современной теме, такой как «Разработка мобильного приложения рекомендательной системы для подбора локальных мероприятий и активностей (гаражные распродажи, мастер-классы) в сфере урбанистики с применением ИИ». Студенты сталкиваются с нехваткой времени, высокими требованиями вуза (Синергия), необходимостью глубоко проработать как теоретическую, так и практическую часть. При этом предметная область — городская среда, а условное предприятие — АО «Городские события», что требует конкретики и привязки к реальным процессам.

В этой статье вы найдёте готовую структуру ВКР по стандартам Синергии, подробное описание содержания каждой главы и подглавы, примеры формулировок и расчётов, а также оценку трудоёмкости. Это поможет вам понять, с чем предстоит столкнуться, и принять взвешенное решение — писать самостоятельно или обратиться за профессиональной помощью.

ГЛАВА 1. АНАЛИТИЧЕСКАЯ ЧАСТЬ

1.1. Технико-экономическая характеристика предметной области и предприятия

Раскрываются особенности городской среды как предметной области, анализируется деятельность АО «Городские события»: миссия, структура, основные направления работы, используемые технологии. Описывается, как предприятие взаимодействует с жителями и организаторами локальных мероприятий.

Пример: «АО «Городские события» занимается агрегацией и продвижением локальных активностей в пределах городской агломерации, включая гаражные распродажи, мастер-классы по урбанистике и фестивали соседства. На 2025 год компания обслуживает более 50 тысяч пользователей, но сталкивается с проблемой низкой вовлечённости из-за отсутствия персонализированного подбора мероприятий».

Сложности:

• Сложно найти открытые данные о деятельности условного предприятия — приходится моделировать на основе реальных аналогов.
• Необходимо чётко связать урбанистику и ИТ-процессы.

Время: 10–12 ч.

1.2. Характеристика комплекса задач и обоснование необходимости автоматизации

Анализируется текущий процесс подбора активностей: как пользователи находят мероприятия, какие инструменты использует АО «Городские события». Обосновывается, почему ручной или полуавтоматический подход неэффективен, и почему требуется ИИ-рекомендательная система.

Пример: «В настоящее время подбор активностей осуществляется через общие рассылки и статические фильтры. Это приводит к тому, что 68% пользователей не находят релевантные события. Автоматизация на основе машинного обучения позволит повысить релевантность рекомендаций и вовлечённость».

Сложности:

• Требуется чётко сформулировать «боль» процесса подбора активностей.
• Нужно аргументировать именно ИИ-решение, а не простую фильтрацию.

Время: 8–10 ч.

1.3. Анализ существующих разработок и выбор стратегии автоматизации

Проводится обзор аналогов (например, Eventbrite, Timepad, локальные урбанистические платформы). Сравниваются их рекомендательные механизмы. Обосновывается выбор стратегии — например, гибридная рекомендательная система на основе контентного и коллаборативного подходов.

Пример: «Платформа Timepad использует теговую фильтрацию, но не учитывает поведение пользователей. Для АО «Городские события» оптимальна гибридная модель, сочетающая геолокационные данные, интересы пользователя и историю посещений».

Сложности:

• Мало специализированных решений именно для урбанистических мероприятий.
• Сложно адаптировать общие ИИ-методы под узкую предметную область.

Время: 10–12 ч.

1.4. Обоснование проектных решений

Определяются архитектурные и технологические решения: выбор мобильной платформы (iOS/Android/кроссплатформенная), ИИ-библиотек (TensorFlow Lite, scikit-learn), базы данных (Firebase, PostgreSQL). Обосновывается выбор в контексте требований АО «Городские события» и специфики городской среды.

Пример: «Для обеспечения оффлайн-доступа и быстрой загрузки рекомендаций выбрана кроссплатформенная разработка на Flutter с локальным хранением профиля пользователя. Модель рекомендаций обучается на сервере, но инференс выполняется на устройстве».

Сложности:

• Нужно совместить требования к производительности, конфиденциальности и ИИ-функциональности.
• Сложно обосновать выбор без глубоких технических знаний.

Время: 8–10 ч.

Выводы по главе 1

Подводятся итоги аналитической части: подтверждается актуальность автоматизации подбора активностей в городской среде, обосновывается необходимость ИИ-решения, выбрана стратегия и предварительная архитектура.

Время: 4–6 ч.

ГЛАВА 2. ПРОЕКТИРОВАНИЕ И РЕАЛИЗАЦИЯ ИНФОРМАЦИОННОЙ СИСТЕМЫ

2.1. Разработка проекта автоматизации

Описывается архитектура будущей системы: клиент-серверная модель, модули (рекомендательный движок, пользовательский профиль, каталог мероприятий), взаимодействие компонентов. Приводятся диаграммы: UML, ERD, потоков данных.

Пример: «Система состоит из мобильного клиента (Flutter), REST API (Node.js) и ML-сервера (Python). Рекомендательный модуль использует данные о геолокации, времени, интересах и истории для генерации топ-5 мероприятий».

Сложности:

• Требуется знание нотаций проектирования (UML, BPMN).
• Сложно связать ИИ-логику с архитектурой ИС.

Время: 12–15 ч.

2.2. Информационное обеспечение задачи

Определяются сущности предметной области: пользователь, мероприятие, категория, локация. Проектируется база данных: таблицы, связи, атрибуты. Приводится схема БД и описание ключевых полей.

Пример: «Сущность «Мероприятие» включает: id, название, описание, тип (гаражная распродажа / мастер-класс), координаты, дата, организатор, теги. Связь «многие ко многим» с сущностью «Пользователь» через таблицу «Посещения»».

Сложности:

• Нужно учесть динамику данных (временные мероприятия).
• Сложно спроектировать БД под гибридную рекомендательную модель.

Время: 8–10 ч.

2.3. Программное обеспечение задачи

Описывается реализация ключевых модулей: алгоритм рекомендаций, API-интерфейсы, пользовательский интерфейс. Приводятся фрагменты кода (с пояснением), схемы работы.

Пример: «Алгоритм использует взвешенную комбинацию: 60% — коллаборативная фильтрация (на основе похожих пользователей), 40% — контентная (по тегам и локации). Коэффициенты подбираются эмпирически».

Сложности:

• Требуется знание ML-библиотек и мобильной разработки.
• Сложно объяснить технические детали в рамках ВКР (не слишком глубоко, но не поверхностно).

Время: 15–20 ч.

2.4. Контрольный пример реализации проекта и его описание

Демонстрируется работа системы на примере: пользователь с профилем «интересуется урбанистикой, живёт в районе X» получает рекомендации. Приводятся скриншоты интерфейса, логи рекомендаций, сравнение до/после.

Пример: «До внедрения: пользователь получал 10 случайных мероприятий. После: 5 персонализированных, из которых 3 посещены. CTR вырос на 42%».

Сложности:

• Нужно смоделировать данные и интерфейс, даже если приложение не запускалось.
• Важно показать измеримый эффект.

Время: 10–12 ч.

Выводы по главе 2

Подтверждается реализуемость проекта, соответствие требованиям, работоспособность контрольного примера.

Время: 4–6 ч.

ГЛАВА 3. ОБОСНОВАНИЕ ЭКОНОМИЧЕСКОЙ ЭФФЕКТИВНОСТИ ПРОЕКТА

3.1. Выбор и обоснование методики расчёта экономической эффективности

Выбирается методика (например, по МУ Синергии): расчёт затрат на разработку, экономии от автоматизации, показателей NPV, ROI, срока окупаемости. Обосновывается выбор именно этой методики для АО «Городские события».

Пример: «Методика основана на сопоставлении капитальных затрат (разработка ИС) и эксплуатационных выгод (рост вовлечённости → рост дохода от партнёрских программ)».

Сложности:

• Сложно оценить нематериальные выгоды (удовлетворённость пользователей).
• Требуется знание экономических формул и методик Синергии.

Время: 6–8 ч.

3.2. Расчёт показателей экономической эффективности проекта

Проводятся расчёты: затраты на разработку (человеко-часы, ПО, инфраструктура), годовая экономия, ROI, срок окупаемости. Приводится таблица с цифрами.

Пример: «Общие затраты — 420 тыс. руб. Годовая выгода — 680 тыс. руб. (рост CTR → +20% партнёрских отчислений). ROI = 62%, срок окупаемости — 7.4 месяца».

Сложности:

• Нет реальных данных — приходится использовать гипотетические, но обоснованные цифры.
• Ошибка в расчётах может привести к незачёту главы.

Время: 8–10 ч.

Выводы по главе 3

Подтверждается экономическая целесообразность внедрения системы в АО «Городские события».

Время: 4–6 ч.

Заключение

Формулируются общие выводы по работе: достигнута ли цель, решены ли задачи, насколько проект актуален для городской среды и АО «Городские события». Подчёркивается вклад в развитие умной городской инфраструктуры.

Время: 6–8 ч.

Список используемой литературы

Оформление по ГОСТ: учебники, статьи, стандарты, документация по ИИ и мобильным технологиям. Минимум 30 источников, включая иностранные.

Время: 4–6 ч.

Приложения

Диаграммы, код, анкеты, скриншоты, расчёты. Обязательно нумерованные и с пояснениями.

Время: 4–6 ч.

Итоговая трудоёмкость

Раздел	Часы
Введение	7
Глава 1	36
Глава 2	51
Глава 3	24
Заключение	7
Литература	5
Приложения	5
Итого	135–200

Самостоятельное написание ВКР по теме «Разработка мобильного приложения рекомендательной системы для подбора локальных мероприятий и активностей (гаражные распродажи, мастер-классы) в сфере урбанистики с применением ИИ» требует от 150 до 200 часов сосредоточенной работы.

Готовые инструменты и шаблоны для Разработка мобильного приложения рекомендательной системы для подбора локальных мероприятий и активностей (гаражные распродажи, мастер-классы) в сфере урбанистики с применением ИИ.

Шаблоны формулировок

• Актуальность: «В условиях роста интереса к локальным урбанистическим инициативам возникает потребность в персонализированном подборе мероприятий, что невозможно без применения интеллектуальных рекомендательных систем».
• Цель: «Разработка и внедрение мобильного приложения на основе ИИ для автоматизации процесса подбора локальных мероприятий в городской среде, ориентированного на пользователя АО «Городские события»».

Пример расчёта экономической эффективности

Показатель	Значение
Затраты на разработку	420 000 руб.
Годовая выгода	680 000 руб.
ROI	62%
Срок окупаемости	7.4 мес.

Чек-лист «Оцени свои силы»

• Есть ли у вас доступ к данным о пользователях и мероприятиях (хотя бы гипотетическим)?
• Знакомы ли вы с методиками расчёта экономической эффективности по Синергии?
• Готовы ли вы потратить 150–200 часов на написание, правки и оформление?
• Умеете ли вы проектировать ИС и объяснять ИИ-алгоритмы в терминах ВКР?

И что же дальше? Два пути к успешной защите

Путь 1. Самостоятельный

Вы берёте на себя весь объём (см. таблицу трудоёмкости). Это путь для тех, у кого есть время, опыт и уверенность. Но помните: ошибки в аналитике, проектировании или экономике могут привести к многочисленным правкам и стрессу перед защитой.

Путь 2. Профессиональный

Вы передаёте технически сложные части экспертам. Получаете готовую работу, соответствующую требованиям Синергии, с поддержкой до защиты. Экономите время, нервы и получаете уверенность в результате.

Заключение

Тема «Разработка мобильного приложения рекомендательной системы для подбора локальных мероприятий и активностей (гаражные распродажи, мастер-классы) в сфере урбанистики с применением ИИ» — это сложный, но перспективный проект, требующий глубокой проработки аналитической, проектной и экономической частей. Объём работы колоссален: от 150 до 200 часов. Выбор всегда остаётся за вами. Но если вы цените своё время и результат — мы готовы оказать профессиональную помощь, соответствующую стандартам Синергии и требованиям ГОСТ.