This shows you the differences between two versions of the page.
Both sides previous revision Previous revision Next revision | Previous revision Next revision Both sides next revision | ||
staff:courses:theses [2019/10/04 12:21] timur.zhangirov [Тимур Жангиров] |
staff:courses:theses [2019/10/21 11:50] natalya.razmochaeva |
||
---|---|---|---|
Line 67: | Line 67: | ||
===== Наталья Размочаева ===== | ===== Наталья Размочаева ===== | ||
- | |||
- | ==== Исследование и разработка алгоритмов интеллектуального анализа данных розничной торговли ==== | ||
- | |||
- | 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: | ||
- | * Обзор литературы по применению алгоритмов ИАД и машинного обучения в области розничной торговли. | ||
- | * Формирование стека применимых алгоритмов (статистический анализ, алгоритмы машинного обучения: алгоритмы feature selection и feature extraction, supervised и unsupervized, и пр.). | ||
- | * Формирование критериев для сравнения выделенных алгоритмов. | ||
- | * Сравнительный анализ алгоримов. | ||
- | * Разработка модификаций (улучшений) алгоритмов, тестирование, отдалка, апробация. | ||
- | * Разработка существенно новых алгоритмов, тестирование, отдалка, апробация. | ||
- | |||
- | Технологии: Python3: numpy, pandas, skicit-learn, keras, tensorflow, tkinter, kivy | ||
==== Исследование и разработка алгоритмов интеллектуального анализа гидроакустических данных ==== | ==== Исследование и разработка алгоритмов интеллектуального анализа гидроакустических данных ==== | ||
Line 95: | Line 81: | ||
Технологии: Python3: numpy, pandas, skicit-learn, keras, tensorflow, tkinter, kivy | Технологии: Python3: numpy, pandas, skicit-learn, keras, tensorflow, tkinter, kivy | ||
- | |||
- | ==== Адаптация курса цифровой обработки сигналов на язык Python3 ==== | ||
- | |||
- | 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 | ||
- | |||
- | ==== Разработка модулей геоинформационной системы ==== | ||
- | |||
- | Цель: реализация модулей на языке Python3 для встраивания в геоинформационную систему | ||
- | |||
- | Возможные задачи: | ||
- | * Знакомство с предментой областью геоинформационных систем | ||
- | * Обзор бесплатных геоинформационных систем, сравнительный анализ | ||
- | * Разработка модулей (скриптов) для расширения возможностей геоинформационных систем | ||
- | * <//уточняются//> | ||
- | |||
- | Технологии: ArcGis, Python3 | ||
Line 153: | Line 114: | ||
===== Тимур Жангиров ===== | ===== Тимур Жангиров ===== | ||
- | === Сравнительный анализ методов выявления аномалий в микробиологических данных === | + | ==== Сравнительный анализ методов выявления аномалий в микробиологических данных ==== |
Цель: провести анализ методов выявления аномальных в микрибиологических данных и выдвинуть предложения по их улучшению | Цель: провести анализ методов выявления аномальных в микрибиологических данных и выдвинуть предложения по их улучшению | ||
Line 165: | Line 126: | ||
* Улучшить существующий или предложить новый метод | * Улучшить существующий или предложить новый метод | ||
- | === Анализ эффективности генетических алгоритмов для построения нелинейной регрессии === | + | ==== Анализ эффективности генетических алгоритмов для построения нелинейной регрессии ==== |
Цель: провести анализ эффективности применения генетических алгоритмов для построения нелинейной регрессии на микробиологических данных | Цель: провести анализ эффективности применения генетических алгоритмов для построения нелинейной регрессии на микробиологических данных | ||
Line 176: | Line 137: | ||
* Анализ эффективности генетических алгоритмов в данной задаче | * Анализ эффективности генетических алгоритмов в данной задаче | ||
- | === Разработка и реализация алгоритма сжатия данных на основе автокодирующих нейронных сетей === | + | ==== Анализ эффективности метода роя частиц для построения нелинейной регрессии ==== |
- | Цель: Разработка алгоритма сжатия данных на основе автокодирующих нейронных сетей с целью повышения качества архивации по сравнению с существующими алгоритмами | + | Цель: провести анализ эффективности применения метода роя частиц для построения нелинейной регрессии на микробиологических данных |
- | Данный алгоритм может применяться в разработке нового архиватора или нового протокола передачи 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: | Возможные задачи: | ||
- | * Провести обзор существующих алгоритмов архивации | + | * Провести обзор существующих методов построения нелинейной регрессии |
- | * Разработать нейросетевую модель для архивации данных | + | * Разработать модель регрессии, которую можно обучить методом роя частиц |
- | * Реализация алгоритма архивации | + | * Определить параметры метода роя частиц для построения регрессии |
- | * Анализ разрабатонного алгоритма | + | * Анализ эффективности метода роя частиц в данной задаче |
- | === Анализ алгоритма построения траекторий OCTNet в двумерном пространстве === | + | ==== Анализ алгоритма построения траекторий OCTNet в двумерном пространстве ==== |
Цель: Провести анализ алгоритма построения траектории OCTNet, с целью выявления его ограничений и преимуществ над другими алгоритмами построений траекторий | Цель: Провести анализ алгоритма построения траектории OCTNet, с целью выявления его ограничений и преимуществ над другими алгоритмами построений траекторий | ||
Line 199: | Line 160: | ||
* Выдвижение гипотез по улучшению алгоритма OCTNet | * Выдвижение гипотез по улучшению алгоритма OCTNet | ||
- | === Разработка и реализация алгоритма аугментации микробиологических данных на основе генеративно-состязятальных сетей === | + | ==== Разработка и реализация алгоритма аугментации микробиологических данных на основе генеративно-состязятальных сетей ==== |
Цель: Разработать алгоритм аугментации микробиологических данных на основе генеративно-состязательных сетей | Цель: Разработать алгоритм аугментации микробиологических данных на основе генеративно-состязательных сетей | ||
Line 210: | Line 171: | ||
* Реализация алгоритма аугментации на основе генеративно-состязательных сетей | * Реализация алгоритма аугментации на основе генеративно-состязательных сетей | ||
* Анализ эффективности алгоритма аугментации и сравнение с существующими алгоритмами аугменацтии данных | * Анализ эффективности алгоритма аугментации и сравнение с существующими алгоритмами аугменацтии данных | ||
- | ===== Дмитрий Карташев ===== | ||