Разработка веб-сервиса рекомендательной системы для онлайн-торговли с применением ИИ
Написание выпускной квалификационной работы — ответственный и трудоёмкий этап обучения. Особенно сложно приходится студентам, выбравшим тему, связанную с современными технологиями, такими как искусственный интеллект и рекомендательные системы. Если вы учитесь по направлению 09.03.02 «Информационные системы и технологии» и получили задание на тему «Разработка веб-сервиса рекомендательной системы для онлайн-торговли с применением ИИ», вы наверняка столкнётесь с рядом вызовов: объём работы превышает 70 страниц, требуется не только теоретический анализ, но и практическая реализация, а также расчёт экономической эффективности. При этом у вас может не хватать времени, опыта в проектировании ИС или знаний по машинному обучению.
В данной статье мы подробно разбираем структуру ВКР по требованиям Синергии, адаптированную под деятельность условного предприятия ООО «Рекомендательные системы», которое занимается внедрением ИИ-решений в сферу онлайн-торговли. Вы узнаете, что должно быть в каждой главе, какие примеры использовать, сколько времени займёт написание и с какими сложностями можно столкнуться. Это не просто обзор — это готовый план действий для успешной защиты.
ГЛАВА 1. АНАЛИТИЧЕСКАЯ ЧАСТЬ
1.1. Технико-экономическая характеристика предметной области и предприятия
В этом разделе необходимо описать общую тему — онлайн-торговлю: её особенности, ключевые показатели, тенденции развития. Особое внимание уделяется деятельности ООО «Рекомендательные системы»: организационная структура, основные направления работы, используемые ИТ-решения, проблемы, связанные с персонализацией предложений.
Пример содержания: «Онлайн-торговля в России демонстрирует устойчивый рост, достигнув в 2024 году объёма 5,2 трлн рублей. ООО «Рекомендательные системы» специализируется на разработке ИИ-алгоритмов для e-commerce-платформ. На текущий момент компания использует правила на основе истории покупок, что не обеспечивает достаточной точности рекомендаций».
Сложности:
- Отсутствие открытых данных о деятельности конкретного предприятия — приходится моделировать информацию;
- Требуется соблюдение ГОСТ по оформлению технико-экономических характеристик.
Время выполнения: 12–15 часов.
1.2. Характеристика комплекса задач и обоснование необходимости автоматизации
Здесь формулируется основной процесс для автоматизации — разработка рекомендательной системы. Описывается текущий (ручной или полуавтоматический) способ генерации рекомендаций, его недостатки (низкая конверсия, высокая нагрузка на аналитиков, отсутствие персонализации) и обосновывается переход к ИИ-решению.
Пример содержания: «В ООО «Рекомендательные системы» рекомендации формируются на основе статических правил. Это приводит к снижению среднего чека на 18% по сравнению с конкурентами, использующими коллаборативную фильтрацию».
Сложности:
- Необходимо чётко отделить «задачи» от «процессов»;
- Требуется количественное обоснование (цифры, метрики).
Время выполнения: 10–12 часов.
1.3. Анализ существующих разработок и выбор стратегии автоматизации
Проводится сравнительный анализ аналогов: Amazon Personalize, TensorFlow Recommenders, Surprise (Python), а также решений от российских вендоров. Оцениваются их функциональность, масштабируемость, стоимость и соответствие задачам ООО «Рекомендательные системы». На основе анализа выбирается стратегия — например, гибридный подход с использованием коллаборативной и контентной фильтрации.
Пример содержания: «Анализ показал, что TensorFlow Recommenders обеспечивает гибкость и поддержку deep learning, что соответствует целям ООО «Рекомендательные системы» по внедрению нейросетевых моделей».
Сложности:
- Сложно найти актуальные и проверенные источники по ИИ-решениям;
- Нужно избегать поверхностного описания — требуется таблица сравнения с критериями.
Время выполнения: 14–16 часов.
Почему 350+ студентов Синергии выбрали нас в 2025 году
- Оформление по всем требованиям вашего вуза (мы работаем с Синергией с 2010 года)
- Поддержка до защиты включена в стоимость
- Доработки без ограничения сроков
- Гарантия уникальности 90%+ по системе "Антиплагиат.ВУЗ"
1.4. Обоснование проектных решений
Формулируются архитектурные и технологические решения: выбор веб-сервиса как формы ПО, использование Python + Flask, база данных PostgreSQL, модель рекомендаций на основе нейросети (например, Neural Collaborative Filtering). Обосновывается выбор ИИ-библиотек и облачной инфраструктуры (если применимо).
Пример содержания: «В качестве основы для веб-сервиса выбран фреймворк Flask из-за его лёгкости и поддержки REST API. Для хранения данных — PostgreSQL, обеспечивающий целостность и масштабируемость. Модель ИИ будет обучаться на истории взаимодействий пользователей с товарами».
Сложности:
- Требуется согласованность с предыдущими разделами;
- Нужно избегать излишней технической детализации на этапе проектирования.
Время выполнения: 10–12 часов.
Выводы по главе 1 (время: 4–6 ч.)
ГЛАВА 2. ПРОЕКТИРОВАНИЕ И РЕАЛИЗАЦИЯ ИНФОРМАЦИОННОЙ СИСТЕМЫ
2.1. Разработка проекта автоматизации
Создаётся модель «как есть» и «как должно быть»: диаграммы потоков данных (DFD), use-case-диаграммы, описание ролей пользователей (администратор, клиент). Формулируются функциональные и нефункциональные требования к веб-сервису.
Пример содержания: «Use-case: "Получить персонализированные рекомендации". Актор — пользователь сайта онлайн-торговли. Система анализирует поведение за последние 30 дней и возвращает топ-5 товаров».
Сложности:
- Требуется знание нотаций моделирования (UML, IDEF0);
- Легко перегрузить раздел схемами без пояснений.
Время выполнения: 16–20 часов.
2.2. Информационное обеспечение задачи
Разрабатывается модель данных: ER-диаграмма, описание сущностей (Пользователь, Товар, Взаимодействие, Рекомендация), нормализация таблиц. Приводится структура базы данных с типами полей и связями.
Пример содержания: «Сущность "Взаимодействие" содержит поля: user_id, item_id, timestamp, action_type (просмотр, покупка, лайк). Связь с таблицами "Пользователь" и "Товар" — один ко многим».
Сложности:
- Нарушение нормальных форм при проектировании БД;
- Отсутствие связи между моделью данных и бизнес-логикой.
Время выполнения: 12–14 часов.
2.3. Программное обеспечение задачи
Приводится архитектура веб-сервиса (микросервисы или монолит), описание модулей (API, модель ИИ, логика рекомендаций), фрагменты кода (на Python), схема взаимодействия компонентов. Указываются используемые библиотеки: scikit-learn, TensorFlow, pandas.
Пример содержания: «Модуль рекомендаций реализован как отдельный сервис на Flask. При запросе /recommend?user_id=123 вызывается функция get_recommendations(), которая загружает модель NCF и возвращает JSON-ответ».
Сложности:
- Сложно совместить объём кода с требованиями к тексту;
- Нужно избегать "сырого" кода без комментариев и пояснений.
Время выполнения: 20–25 часов.
2.4. Контрольный пример реализации проекта и его описание
Демонстрируется работа системы на примере: пользователь с ID=456 получает рекомендации. Приводятся скриншоты интерфейса, логи запросов, сравнение "до" и "после" внедрения. Оценивается точность модели (precision@5, recall).
Пример содержания: «До внедрения: рекомендации были общими. После: пользователь получил товары в категории "умные часы", что соответствует его последним просмотрам. Precision@5 составил 0,78».
Сложности:
- Требуется фактическая реализация или убедительное моделирование;
- Сложно подобрать метрики оценки качества рекомендаций.
Время выполнения: 14–18 часов.
Выводы по главе 2 (время: 4–6 ч.)
ГЛАВА 3. ОБОСНОВАНИЕ ЭКОНОМИЧЕСКОЙ ЭФФЕКТИВНОСТИ ПРОЕКТА
3.1. Выбор и обоснование методики расчёта экономической эффективности
Обосновывается выбор методики — например, расчёт чистого дисконтированного дохода (NPV) и срока окупаемости. Указываются источники данных: внутренние отчёты ООО «Рекомендательные системы», рыночные исследования.
Пример содержания: «Для расчёта выбрана методика, рекомендованная Минэкономразвития РФ для ИТ-проектов. Учитываются затраты на разработку, внедрение и поддержку, а также ожидаемый рост выручки за счёт увеличения конверсии».
Сложности:
- Неточное определение статей затрат и доходов;
- Отсутствие ссылок на нормативные документы.
Время выполнения: 8–10 часов.
3.2. Расчёт показателей экономической эффективности проекта
Приводятся расчёты: затраты на разработку (зарплата разработчиков, лицензии, серверы), ожидаемый прирост выручки (на основе роста конверсии на 15%), NPV, IRR, срок окупаемости. Всё оформляется в виде таблиц.
Пример содержания: «Общие затраты — 1 200 000 руб. Ожидаемый годовой эффект — 2 100 000 руб. Срок окупаемости — 7 месяцев, NPV — 900 000 руб.»
Сложности:
- Ошибки в финансовых формулах;
- Завышенные или нереалистичные прогнозы.
Время выполнения: 12–14 часов.
Выводы по главе 3 (время: 4–6 ч.)
Заключение
Заключение обобщает результаты всех трёх глав: подтверждается достижение цели, формулируются выводы по эффективности внедрения веб-сервиса рекомендательной системы для онлайн-торговли с применением ИИ в ООО «Рекомендательные системы». Подчёркивается научная и практическая значимость работы.
Время выполнения: 6–8 часов.
Список используемой литературы — время: 4–6 ч.
Приложения (код, диаграммы, анкеты, доп. таблицы) — время: 4–6 ч.
Итоговая трудоёмкость
| Раздел | Часы |
|---|---|
| Введение | 7 |
| Глава 1 | 50 |
| Глава 2 | 75 |
| Глава 3 | 30 |
| Заключение | 7 |
| Литература + Приложения | 10 |
| Итого | 179 часов |
Самостоятельное написание ВКР по теме «Разработка веб-сервиса рекомендательной системы для онлайн-торговли с применением ИИ» занимает от 150 до 200 часов.
Готовые инструменты и шаблоны для Разработка веб-сервиса рекомендательной системы для онлайн-торговли с применением ИИ
Шаблоны формулировок
- Актуальность: «В условиях роста конкуренции в онлайн-торговле персонализация становится ключевым фактором удержания клиентов. Применение ИИ позволяет повысить точность рекомендаций и, как следствие, увеличить средний чек».
- Цель работы: «Разработка веб-сервиса рекомендательной системы для онлайн-торговли с применением ИИ, обеспечивающего повышение конверсии и персонализацию пользовательского опыта в ООО «Рекомендательные системы»».
Пример расчёта экономической эффективности
| Показатель | Значение |
|---|---|
| Затраты на разработку | 800 000 руб. |
| Затраты на внедрение | 200 000 руб. |
| Годовой экономический эффект | 2 100 000 руб. |
| Срок окупаемости | 6,8 месяцев |
Чек-лист «Оцени свои силы»
- Есть ли у вас доступ к данным для обучения модели (история просмотров, покупок)?
- Знаете ли вы методики оценки рекомендательных систем (precision, recall, NDCG)?
- Готовы ли вы потратить 4–5 недель только на написание (без учёта подготовки)?
- Умеете ли вы строить ER-диаграммы и DFD?
И что же дальше? Два пути к успешной защите
Путь 1. Самостоятельный
Вы берёте на себя весь объём — от анализа до расчётов. Это требует дисциплины, времени (150–200 часов) и глубоких знаний в области ИИ и проектирования ИС. Риски: стресс, множественные правки научного руководителя, возможная неуникальность, ошибки в технической части.
Путь 2. Профессиональный
Вы передаёте технически сложные этапы экспертам. Получаете готовую работу, соответствующую всем требованиям Синергии: корректную структуру, актуальные технологии, точные расчёты, высокую уникальность. Экономите время, снижаете стресс и повышаете шансы на отличную защиту.
Тема «Разработка веб-сервиса рекомендательной системы для онлайн-торговли с применением ИИ» сочетает в себе современные технологии, глубокий анализ и практическую реализацию. Это сложная, но очень перспективная работа, соответствующая трендам цифровой трансформации. Объём и структура требуют серьёзной подготовки и времени. Выбор — за вами: идти тернистым путём в одиночку или воспользоваться поддержкой опытных специалистов, которые уже помогли сотням студентов Синергии успешно защититься. Мы всегда готовы прийти на помощь и сделать вашу ВКР образцовой.