(c) Larry Ewing, Simon Budig, Garrett LeSage
с 1994 г.

Кафедра Информатики и Математического Обеспечения

ПетрГУ | ИМиИТ | О кафедре | Проекты | Лаборатория ИТС | Семинары НФИ/AMICT
Сотрудники | Учебный процесс | Табель-календарь | Курсовые и выпускные работы
Вычислительные ресурсы | Публикации | Архив новостей | Контактная информация (English)

Регистрация тем курсовых работ

Авторизация преподавателя

Система предназначена для заполнения предлагаемых тем курсовых работ преподавателями кафедры ИМО и ознакомления с ними студентов.

Запись студентов на курсовую работу осуществляется руководителем после личного собеседования. Связаться с руководителем выбранной темы вы можете по электронной почте или обратившись на кафедру каб. 215.

Темы курсовых работ кафедры ИМО на 2021 учебный год

ПМиИ 2 курс

N Тема Студент
Богоявленская О.Ю. olbgvl@cs.petrsu.ru
1 Мониторинг и прогнозирование положения автономных мобильных устройств
Включает в себя задачи оценивания состояния окружающей среды, по данным датчиков автономного мобильного устройства, идентификацию событий, управление движением, прогнозирование положения и ряд др. задач управления движением
-
Будникова Н.А. budniko@cs.petrsu.ru
2 Моделирование нейронных сетей в приложении NeuroLab
Студенту предлагается освоить основные классы задач, решаемых нейронными сетями; изучить возможности приложения NeuroLab
http://www.fimee.ugto.mx/profesores/sledesma/documentos/
http://ru.knowledgr.com/07416753/NeuralLab
-
Корзун Д.Ж. dkorzun@cs.petrsu.ru
3 Предиктивная аналитика для интернета вещей -
4 Системы умного дома -
5 Сенсорика робототехнических систем -
Москин Н.Д. nmoskin@cs.petrsu.ru
6 Алгоритмы сравнения графов с упорядоченными вершинами -
Кулаков К.А. kulakov@cs.petrsu.ru
7 Алгоритмы анализа и прогнозирования работы механических узлов -
Пономарев В.А. vadim@cs.petrsu.ru
8 Генерация отчетов о производительности твердотельных накопителей
Ознакомиться с методикой SNIA SSS PTS, реализовать генерацию отчетов
(рук-во Пономарев В.А., Пономарев В.А.)
-
Марченков С.А. marchenk@cs.petrsu.ru
9 Определение режимов работы производственного оборудования на основе кластерного анализа данных вибрации
Невозможно эффективно управлять производственными процессами без знания актуальной информации о режимах работы конкретных узлов оборудования. Более того загруженность оборудования, а следовательно, и развитие неисправностей напрямую завит от изменения режимов работы. Решается задача классификации режимов работы оборудования по потоке непрерывных данных вибрации на основе метода кластерного анализа.
-
10 Прогнозирование тенденций временных рядов измерений физических параметров с использованием рекуррентных нейронных сетей
Решается задача выявления тенденций временных рядов измерений физических параметров в системе мониторинга производственного оборудования с целью предсказания отклонений от нормальных режимов работы. Используются рекуррентные нейронные сети, например, LSTM. Исследуются вопросы обработки многомерных временных рядов с выявлением корреляции между потоками данных.
-

ИСиТ 2 курс

N Тема Студент
Богоявленская О.Ю. olbgvl@cs.petrsu.ru
1 Извлечение сведений из рукописных и графических печатных текстов
Анализ текстов для получения данных об их свойствах
-
Богоявленский Ю.А. ybgv@cs.petrsu.ru
2 Модели методы и алгоритмы построения графа сетевой инфраструктуры.
Работа нацелена на разработку математических моделей и программных систем для поддержки системных администраторов Сетей. Получить представление о работе можно в презентации: http://cs.petrsu.ru/~ybgv/net-graph.pdf Предлагается студентам, интересующимся сетевыми технологиями. Соруководитель — программист IT-парка, преподаватель кафедры ИМО А. А. Андреев
-
3 Модели методы и алгоритмы построения графа сетевой инфраструктуры.
Работа нацелена на разработку математических моделей и программных систем для поддержки системных администраторов Сетей. Получить представление о работе можно в презентации: http://cs.petrsu.ru/~ybgv/net-graph.pdf Предлагается студентам, интересующимся сетевыми технологиями. Соруководитель — программист IT-парка, преподаватель кафедры ИМО А. А. Андреев. Возможна командная работа двух студентов.
-
4 Разработка подсистем веб сервера ИМИТ в интересах Дирекции.
Предполагается освоение студентом методов, инструментов, подсистем и библиотек веб разработки в среде каркаса Flask на базе среды языка Python. Возможна командная работа двух студентов.
-
Корзун Д.Ж. dkorzun@cs.petrsu.ru
5 Предиктивная аналитика для интернета вещей -
6 Системы умного дома -
7 Сенсорика робототехнических систем -
8 Технологии искусственного интеллекта для умного дома -
9 Технологии мобильных сервисов -
Москин Н.Д. nmoskin@cs.petrsu.ru
10 Инструменты для работы с Big Data -
Кулаков К.А. kulakov@cs.petrsu.ru
11 Статистический анализ исторической информации -
12 Система анализа сигналов на слабопроизводительных устройствах -
Пономарев В.А. vadim@cs.petrsu.ru
13 Автоматизация генерации карты сети в системе мониторинга Zabbix
Освоить Zabbix и научиться генерировать карту
(рук-во Пономарев В.А., Пономарев В.А.)
-
14 Автоматизация проверки кода при обучении программированию средствами Gitlab CI
Освоить Gitlab CI, найти и освоить статический анализатор кода для языка программирования Си, реализовать проверку средствами Gitlab CI
(рук-во Пономарев В.А., Пономарев В.А.)
-
Марченков С.А. marchenk@cs.petrsu.ru
15 Оценка производительности колоночной базы данных в зависимости от вида, частоты и размеров запросов на примере базы данных мониторинга производственного оборудования
Колоночные базы данных является основным средством для выполнения сложных аналитических запросов над большими данными. Однако запросы к таким базам данным должны удовлетворять определенным требованиям, например, запросы должны оперировать большими наборами данных, запросы по удалению и обновлению данных неэффективны. Требуется оценить производительность базы данных ClickHouse на запросах к реальным данным мониторинга производственного оборудования. По результатам оценки должен быть сформулирован список требований к запросам, а также разработаны типовые аналитические запросы по извлечению событий из набора данных.
-
16 Аналитика потоковых данных физических измерений в системе многопараметрического мониторинга
В потоковой обработке данных: используется понятие потока. У потока нет конца и начала, он представляет некоторый неограниченный набор данных, при этом обработка происходит в режиме скользящего окна или отдельных записей. При этом необходимо обрабатывать данные на лету в режиме близкому к реальному времени. Обработка масштабируется путем создания новых обработчиков на потоке. Spark – это универсальный движок для пакетных и потоковых вычислений, подходящий для сценариев промышленного мониторинга. Источником потоковых данных является брокер сообщений (например, Kafka).
-

ПрИн 2 курс

N Тема Студент
Богоявленская О.Ю. olbgvl@cs.petrsu.ru
1 Управление движением автономных мобильных устройств
Включает в себя задачи оценивания состояния окружающей среды, по данным датчиков автономного мобильного устройства, идентификацию событий, управление движением, прогнозирование положения и ряд др. задач управления движением
-
2 Интеллектуальное редактирование
Разработка интерактивного персонализированного средства корректировки текстов
-
Богоявленский Ю.А. ybgv@cs.petrsu.ru
3 Математические модели и алгоритмы построения матриц трафика поставщиков сетевых услуг.
Матрицы трафика являются определяющими исходными данными для корректного
решения задач сетевого управления, планирования мощности (capacity planning)
и рационализации трафика (traffic engineering).

Навыки получаемые студентами:

- Математическое моделирование сетевых ситем.
- Сетевое управление, его протоколы (SNMP и др.).
- Разработка веб систем.


Приветствуются выступления на конференциях и конкурсах, публикация научных
статей.

Литература:


Recent Advances in Networking Hamed Haddadi, Olivier Bonaventure (Editors)
ACM SIGCOMM, 2013
открытая публикация, доступная по ссылке:

http://sigcomm.org/education/ebook/SIGCOMMeBook2013v1.pdf

Изучать главу Internet Traffic Matrices: A Primer
Paul Tune and Matthew Roughan, стр. 108

Позже будет предоставлена другая литература.
-
4 Разработка подсистем веб сервера ИМИТ в интересах Дирекции.
Предполагается освоение студентом методов, инструментов, подсистем и библиотек веб разработки в среде каркаса Flask на базе среды языка Python. Возможна командная работа двух студентов.
-
Корзун Д.Ж. dkorzun@cs.petrsu.ru
5 Предиктивная аналитика для интернета вещей -
6 Системы умного дома -
7 Сенсорика робототехнических систем -
Москин Н.Д. nmoskin@cs.petrsu.ru
8 Атрибуция текстов на основе математических моделей и компьютерных технологий (рук-во Москин Н.Д., Москин Н.Д.) Куусела Д.А.
Кулаков К.А. kulakov@cs.petrsu.ru
9 Система анализа сигналов на слабопроизводительных устройствах -
10 Генерация программного кода на базе онтологий -
Пономарев В.А. vadim@cs.petrsu.ru
11 Автоматизация проверки кода при обучении программированию средствами Gitlab CI
Освоить Gitlab CI и научиться обнаруживать плагиат
(рук-во Пономарев В.А., Пономарев В.А.)
-
Марченков С.А. marchenk@cs.petrsu.ru
12 Разработка модели хранения пространственно-временных событий и модели представления технического состояния объекта мониторинга для дальнейшего использования при прогнозной аналитике технического обслуживания
Требуется разработать эффективный способ накопления, хранения и извлечения информации как в целях автоматизации ремонта и технического обслуживания, так и в целях дальнейшего эффективного накопления знаний, в т.ч. для прогнозирования. Целью работы является разработка модели хранения пространственно-временных событий и модели представления технического состояния объекта мониторинга, обеспечивающих семантическое связывание измерений многопараметрического мониторинга для предиктивной диагностики технического состояния. Модель данных разрабатывается для нереляционной системы управления базами данных графового типа (Neo4j).
-
13 Ранжирование событий по значимости для построения рекомендаций по техническому обслуживанию в системах многопараметрического мониторинга
В системах многопараметрического мониторинга производственного оборудования возникает множество событий: точеные, длительные, составные, прогнозируемые события. Целью работы является разработка алгоритмов ранжирования событий на основе накопленных событийных данных системы мониторинга. Требуется выявлять события, оказывающие наиболее значимое влияние на производственные процессы, а также на их основе формировать рекомендации по техническому обслуживанию.
-

Темы НИР для студентов 2/3/4 курсов предлагаемые компанией Неосистемы

Компания Неосистемы выражает свою заинтересованность в выполнении студентами курсовых работ по следующим темам:

Название

Комментарий

1

Личный кабинет для клиента (история обращений в тех. поддержку, зарегистрированные программные продукты, действующие договора, обратная связь и т.д.) Комментарий: учетная система 1С, оригинальная разработка, веб интерфейс, мобильное приложение.

Исследование, формализация и реализация бизнес-процесса получение клиентами актов сверок посредством Личного кабинета.

2

Развитие корпоративной информационной системы

Исследование, формализация и реализация бизнес-процесса интеграции IP телефонии (на платформе астериск) в корпоративную ИС (есть сценарии использования системы).

3

Развитие корпоративной информационной системы

Исследование, формализация и реализация бизнес-процесса интеграции телеграм бота в корпоративную ИС (сценарии: добавление контактного лица, вывод статуса последних заявок и т.п.)

4

Развитие корпоративной информационной системы

Транскрибация телефонных звонков методами платформы.

5

Голосовое взаимодействие с системой учета и управления. Комментарий: онлайн разбор речи, интерпретация, выделение команд.

Сценарий 1. Выдача поручений в пределах проекта. Разбор и заполнение полей по сценарию.

Сценарий 2. Поиск номенклатуры в каталоге.

6

Разработка мобильного рабочего места для погрузчика обслуживающего склад лесопильного предприятия. Комментарий: мобильное приложение, интеграция с ERP.

Сценарий 1. В части бизнес-процесса «инвентаризация».

Сценарий 2. В части вывода контекста по объекту.

7

Создание решения для учета и управления на камнеобрабатывающем предприятии.

Сценарий 1. Учетная система 1С, оригинальная разработка, веб интерфейс, мобильное приложение.

Сценарий 2. создание рабочего места в типовом решении «1С: УНФ».

8

Вывод BigData из Корпоративной Информационной Системы предприятия в сервис Яндекс DataLens.

Учетная система 1С, BigData, интеграция. сценарии: анализ продаж, анализ производства, анализ корректности заполнения учета рабочего времени,

Контакты для связи: Кравцов Игнат Вадимович ignat@neosystems.ru
Начальник отдела разработки ООО "Неосистемы ИТ" neosystems.ru
(814-2) 67-21-20
https://t.me/ignat_kravtsov

Выбор темы нужно согласовать с И. В. Кравцовым и зафиксировать у него.

12 октября, в 11:30, ауд. 361 часть лекции Д. Б. Чистякова по дисциплине "Web-технологии 1" будет посвящена вопросам по выполнению курсовых работ, предполагается сообщение представителя ООО «НЕОСИСТЕМЫ ИТ» по предлагаемым темам.

При регистрации в системе Курс указывайте пока руководителями Кравцова и Богоявленского.

Если Вы не нашли интересную тему, но у Вас есть свои идеи или пожелания по теме курсовой работы, то вы можете обратиться к любому руководителю и обсудить возможность изменения темы

Архив тем курсовых работ:

2018
2019
2020
2021
2022
2023