Шухман Александр Евгеньевич

Образование: высшее
Ученая степень: кандидат педагогических наук
Ученое звание: доцент

Должность: доцент

График дистанционного проведения консультаций

Повышение квалификации и профессиональная переподготовка

• ЛИК» (развитие антикризисных лидеров и команд цифровой экономики по компетенциям управления на основе данных) (2020)
• Анализ изображений (2020)
• Внедрение практико-ориентированных подходов при проектировании компонентов образовательных программ в области ИТ (2021)
• Искусственный интеллект: основы теории и методики обучения в основной школе (2021)
• Летняя цифровая школа. Трек Java Development (2021)
• Особенности работы с одаренными в области информатики школьниками. Проведение олимпиад по информатике (2021)
• Профилактика распространения в образовательных организациях радикальной и иной деструктивной идеологии (2021)
• Решение прикладных задач на языке Python (2021)
• Управленческие аспекты деятельности руководителей структурных подразделений университета в рамках программы стратегического развития «Приоритет — 2030» (2021)
• Фронтиры прикладного искусственного интеллекта: промышленность, экономика, образование (2021)
• Базовые компетенции для реализации дисциплин в области искусственного интеллекта (Анализ данных и машинное обучение) (2022)
• Преподаватель в области искусственного интеллекта (2022)
• Реализация образовательной политики университета с учетом новых аккредитационных показателей (2022)
• Университетская модель инклюзивного образования: проблемы развития и точки роста (2022)
• Электронная информационно-образовательная среда вуза в условиях цифровой трансформации (2022)

Преподаваемые дисциплины

• Системное программное обеспечение
• Методы машинного обучения

Публикации преподавателя

• Выполнение, оформление и защита выпускной квалификационной работы [Электронный ресурс]: методические рекомендации для обучающихся по образовательным программам высшего образования по направлениям подготовки 02.03.01 Математика и компьютерные науки, 02.03.02 Фундаментальная информатика и информационные технологии, 09.03.02 Информационные системы и технологии / сост.: А. Е. Шухман, А. В. Михляева; М-во науки и высш. образования Рос. Федерации, Федер. гос. бюджет. образоват. учреждение высш. образования «Оренбург. гос. ун-т», Каф. геометрии и компьютер. наук. — Оренбург : ОГУ, 2023. — 47 с- Загл. с тит. экрана.
  Электронный источник
• Модуль исследования эффективности графового представления данных для модели прогнозирования ССЗ на основе неструктурированных клинических текстов [Электронный ресурс] : свидетельство о гос. регистрации программы для ЭВМ 2023610238 / Ю. В. Варенникова, И. П. Болодурина, А. Е. Шухман, А. Ю. Жигалов, Л. С. Гришина, Л. В. Легашев; правообладатель Оренбург. гос. ун-т.- № 2022685667заявл. 22.12.2022опубл. 09.01.2023, 2023. — 1 с. Электронный источник
• Пользователю наборами концевых мер [Электронный ресурс] : свидетельство о гос. регистрации программы для ЭВМ 2023665538 / А. П. Фот, А. Е. Шухман; правообладатель Федер. гос. бюджет. образоват. учреждение высш. образования «Оренбург. гос. ун-т».- № 2023664716заявл. 14.07.2023опубл. 18.07.2023, 2023. — 1 с.
  Электронный источник
• Шухман, А. Е. Программная инженерия [Электронный ресурс] : электронный курс лекций / А. Е. Шухман, А. В. Михляева; Оренбург. гос. ун-т. — Оренбург : ОГУ, 2023. — 16 с. в РТО- Загл. с тит. экрана. Электронный источник
• Шухман, А. Е. Разработка диалоговой системы приема сообщений для портала «Активный гражданин» [Электронный ресурс] / А. Е. Шухман, Е. В. Шухман // Университетский комплекс как региональный центр образования, науки и культуры : сб. материалов Всерос. науч.-метод. конф., Оренбург, 26-27 янв. 2023 г. / Оренбург. гос. ун-т ; ред. А. В. Пыхтин. — Оренбург : ОГУ,2023. — . — С. 1481-1488. . — 8 с. Электронный источник
• Message Authentication and Network Anomalies Detection in Vehicular Ad Hoc Networks [Электронный ресурс] / L. Legashev, I. Bolodurina, L. Zabrodina, Y. Ushakov, A. Shukhman, D. Parfenov, Y. Zhou, Y. Xu // Security and Communication Networks,2022. — Vol. 2022. — P. 1-18. . — 18 с. Intelligent transport systems are the future in matters of safe roads and comfortable driving. Integration of vehicles into a unified intelligent network leads to all kinds of security issues and cyber threats common to conventional networks. Rapid development of mobile ad hoc networks and machine learning methods allows us to ensure security of intelligent transport systems. In this paper, we design an authentication scheme that can be used to ensure message integrity and preserve conditional privacy for the vehicle user. &e proposed authentication scheme is designed with lightweight cryptography methods, so that it only brings little computational and communication overhead. We also conduct experiments on vehicular ad hoc network segment traffic generation in OMNeT++ tool and apply up-to-date machine learning methods to detect malicious behavior in a given simulated environment. &e results of the study show high accuracy in distributed denial-of-service attack detection.
  Электронный источник
• Test week [Электронный ресурс] : прикладная программа / А. Е. Шухман [и др.]; Оренбург. гос. ун-т. — Оренбург : ОГУ, 2022. — 12 с- Загл. с тит. экрана.
  Электронный источник
• What Competences Does the Regional Market of IT Specialists Want? Development and Approbation of Technology for Analysis of Current Vacancies in the Labor Market [Электронный ресурс] / A. E. Shukhman, L. S. Grishina, L. L. Legashev, D. I. Parfenov // Vysshee obrazovanie v Rossii = Higher Education in Russia,2022. — Vol. 31, Iss. 8-9. — P. 137-153. . — 17 с. One of the most dynamically developing industries in Russia is IT industry. The main problem of IT development is the lack of highly qualified specialists. Determining the relevant and in-demand knowledge and skills of specialists is possible on the basis of an analysis of vacancies post- ed on Internet job search portals. The study is aimed at development and approbation of the technology for analysis of current vacancies for IT specialists for further designing the content of additional vocational educational programs. Modern machine learning techniques such as Natural Language Processing can be used for automatic position selection based on skills in vacancies. K-means method was used in this paper for cluster analysis of hard and soft skills lists from vacancies posted on the HeadHunter website. The most popular skills have been determined such as teamwork skills, know-ledge of working with databases and version control systems, as well as proficiency in English. It has been established that in 202
  Электронный источник
• Фот, А. П. К вопросу выбора наборов концевых мер с использованием программных средств [Электронный ресурс] / А. П. Фот, А. Е. Шухман // Справочник. Инженерный журнал,2022. — № 7 (304). — С. 22-27. . — 6 с. Цель исследования — упрощение выбора требуемых для машиностроительного предприятия наборов концевых плоскопараллельных мер длины с использованием автоматизированного расчета характеристик и оценки эффективности наборов с учетом эксплуатационно-экономических критериев. Предложен оригинальный алгоритм расчета характеристик наборов концевых мер (общего числа возможных составленных размеров блоков из одной, двух-, трех-, четырех- и пяти мер, определение границ участков с заданным шагом размеров и др.). Предложен порядок выбора требуемых для машиностроительного предприятия наборов концевых мер.
  Электронный источник
• Матрикс [Электронный ресурс] : прикладная программа / А. Е. Шухман [и др.]; Оренбург. гос. ун-т. — Оренбург : ОГУ, 2022. — 14 с- Загл. с тит. экрана.
  Электронный источник
• Модуль исследования эффективности выделения признаков на основе трансформеров для обнаружения атак в беспроводных самоорганизующихся сетях [Электронный ресурс] : свидетельство о гос. регистрации программы для ЭВМ 2022680866 / Д. И. Парфенов, И. П. Болодурина, А. Е. Шухман, А. Ю. Жигалов, Л. В. Легашев, Л. С. Гришина; правообладатель Федер. гос. бюджет. образоват. учреждение высш. образования «Оренбург. гос. ун-т».- № 2022680243заявл. 01.11.2022опубл. 08.11.2022, 2022. — 1 с.
  Электронный источник
• Обработка русскоязычных неструктурированных медицинских текстов и вероятностное прогнозирование групп заболеваний [Электронный ресурс] / Л. В. Легашев, А. Е. Шухман, И. П. Болодурина, Л. С. Гришина, А. Ю. Жигалов // Врач и информационные технологии,2022. — № 4. — С. 52-63. . — 12 с. Цель — исследование подходов к обработке неструктурированных русскоязычных медицинских текстов и прогнозированию групп заболеваний на основе методов машинного обучения.
  Электронный источник
• Оценка эффективности набора концевых мер [Электронный ресурс] : свидетельство о гос. регистрации программы для ЭВМ / А. П. Фот, А. Е. Шухман; правообладатель Федер. гос. бюджет. образоват. учреждение высш. образования «Оренбург. гос. ун-т».- № 2022613096заявл. 10.03.2022опубл. 28.03.2022, 2022. — 1 с.
  Электронный источник
• Луценко, В. С. Сегментация медицинских изображений сверточными нейронными сетями [Электронный ресурс] / В. С. Луценко, А. Е. Шухман // Вестник компьютерных и информационных технологий,2022. — Т. 19, № 6 (216). — С. 40-50. . — 11 с. Рассмотрены архитектуры сверточных нейронных сетей, их преимущества и недостатки. Созданы три модели нейронных сетей для сегментации медицинских изображений, проведено их обучение и тестирование. По результатам тестирования определена наиболее подходящая для сегментации медицинских изображений модель нейронной сети. Описан алгоритм, использующий предсказания всех созданных моделей нейронных сетей и продемонстрировавший более точный результат, чем каждая из рассмотренных моделей в отдельности.Электронный источник