- 1 курс
- 2 курс
- 3 курс
- 4 курс
- 5 курс
- 6 курс
Old
Old
Цель: подготовить набор автоматически проверяемых задач для языка Verliog.
Предполагаемые задачи:
Цель: разработать программное обеспечение для моделирования и исследования гидроакустических сигналов
Возможные задачи:
Технологии: Python3: numpy, pandas, skicit-learn, keras, tensorflow, tkinter, kivy
Цель: создать веб-приложение для записи в очередь и отслеживания статуса студента.
Возможные задачи:
Технологии: Python3, js, html, css, docker, apache.
Цель: создать веб-приложение просмотра, анализа и отслеживания жульничества во время выполнения лабораторных работ.
Возможные задачи:
Технологии: Python3, js, html, css, docker, apache.
Цель: провести анализ методов выявления аномальных в микрибиологических данных и выдвинуть предложения по их улучшению
Основная сложность заключается в том, что микробиологические данные имеют сложные характер, и стандартные статистические методы не всегда определяют аномалии. Поэтому основной упор необходимо сделать на сравнение статистических методов и методов машинного обучения.
Возможные задачи:
Цель: провести анализ эффективности применения генетических алгоритмов для построения нелинейной регрессии на микробиологических данных
Так как стандартные методы построения регрессий подразумевают заранее известный вид зависимости (линейный, логарифмический, экспоненциальный, и.т.д.). Применение генетических алгоритмов потенциально позволит не только оптимизировать модель регрессии, но и автоматически определять вид зависимости.
Возможные задачи:
Цель: провести анализ эффективности применения метода роя частиц для построения нелинейной регрессии на микробиологических данных
Так как стандартные методы построения регрессий подразумевают заранее известный вид зависимости (линейный, логарифмический, экспоненциальный, и.т.д.). Применение метода роя частиц потенциально позволит не только оптимизировать модель регрессии, но и автоматически определять вид зависимости.
Возможные задачи:
Цель: Провести анализ алгоритма построения траектории OCTNet, с целью выявления его ограничений и преимуществ над другими алгоритмами построений траекторий
Основной упор необходимо сделать на построение траекторий (маршрутов) для интеллектуального агента ориентирующегося в замкнутых статических пространствах. Предполагается сравнанение, не только с детерминированными алгоритмами, но алгоритмами основанными на генеративно-состязательных нейронных сетях и нейронных сетях обученых методом любопытства.
Возможные задачи:
Цель: Разработать алгоритм аугментации микробиологических данных на основе генеративно-состязательных сетей
Основные проблемы заключается в том, что большинство методов аугментации данных связанны с графическими данным, которые представлены в виде изображения, а методы направленные на неграфические данные могут генерировать неконсистентные данные. Применения генеративно-состязательных сетей потенциально решит проблему аугментации неграфических данных и валидацию получаемых данных.
Возможные задачи: