- 1 курс
- 2 курс
- 3 курс
- 4 курс
- 5 курс
- 6 курс
Old
Old
This is an old revision of the document!
Цель: Разрешение конфликтов в картах занятости, построенных различными агентами при решении задачи SLAM
Предполагаемые задачи:
Цель: Разработка алгоритма выделения на изображении, полученного с видеокамеры, установленной на автомобиле, независимых частей без использования нейронных сетей.
Предполагаемые задачи:
Цель: Разработка алгоритма выделения на изображении, полученного с видеокамеры, установленной на автомобиле, независимых частей c использованием нейронных сетей
Предполагаемые задачи:
Цель: разработать решение для построения 3д-моделей по снимкам с RGBD-камер.
Предполагаемые задачи:
Цель: подготовить набор автоматически проверяемых задач для языка Verliog.
Предполагаемые задачи:
Цель: разработать алгоритм интеллекутального анализа данных (ИАД) для решения задачи управления продажами, например, оптимизация продаж, прогнозирование продаж, и извлечение новой информации из данных
Возможные задачи:
Технологии: Python3: numpy, pandas, skicit-learn, keras, tensorflow, tkinter, kivy
Цель: разработать программное обеспечение для моделирования и исследования гидроакустических сигналов
Возможные задачи:
Технологии: Python3: numpy, pandas, skicit-learn, keras, tensorflow, tkinter, kivy
Цель: перенести реализацию задач и лабораторных работ курса цифровой обработки сигналов с Matlab на Python3
Возможные задачи: * установка Matlab и приобретение навыков работы с Matlab * решение задач и лабораторных работ в среде Matlab * перенос решений задач и лабораторных работ на языке Matlab на язык Python3 * отладка решений задач и лабораторных работ на языке Python3 (крайне важно убедиться в идентичности получаемых результатов как с помощью Matlab, так и с помощью Python3) * сформировать пулл задач непереносимых или переносимых с большим трудом: с большими потерями в производительности, скорости работы, затратах памяти
Технологии: Matlab, Python3: numpy, pandas, skicit-learn, keras, tensorflow, kivy
Цель: реализация модулей на языке Python3 для встраивания в геоинформационную систему
Возможные задачи:
Технологии: ArcGis, Python3
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: Разработка алгоритма сжатия данных на основе автокодирующих нейронных сетей с целью повышения качества архивации по сравнению с существующими алгоритмами
Данный алгоритм может применяться в разработке нового архиватора или нового протокола передачи данных
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: