Учебная ознакомительная практика
Общая информация
Направление подготовки бакалавриата 09.03.04 Программная инженерия
Профиль направления подготовки бакалавриата «Системное и прикладное программное обеспечение»
Сроки прохождения: с 07.09.2020 по 31.12.2020
Места прохождения:
- Кафедра Информатики и математического обеспечения
- Лаборатория интеллектуального анализа данных
- Центр искусственного интеллекта (ЦИИ)
- Отдел интеллектуальных методов обработки и анализа данных
Минимальные требования.
- Выбрать для обзора одну из тем (см. ниже) учебника: Котельников, И. А. LaTeX по-русски [Электронный ресурс]. / И. А. Котельников, П. З. Чеботаев. — 3-е изд., перераб. и доп. — Новосибирск : Сибирский хронограф, 2004. — 496 с. — URL: https://www.researchgate.net/publication/235255954_LaTeX_po-russki
- Сообщить о выбраной теме О. Б. Петриной по элпочте.
- Выполнить обзор 2-3 тем выпускных или курсовых работ (отчетов о практике НИР), представленных в системе Курс с целью выбора руководителя и темы практики НИР, которая начнется во втором семестре и предполагается к продолжению вплоть до впускной работы бакалавра.
Для этого выбора можно также использовать ресурсы: "Курсовые работы предлагаемые кафедрой ИМО" и Предлагаемые кафедрами темы практик НИР(курсовых работ) (ресурсы будут обновляться, следите за изменениями). - Подготовить отчет в LaTeX, в котором представить результаты работ выполненных согласно пунктам 1 и 3. В отчете указать: руководитель - к.т.н., доцент Ю. А. Богоявленский, место прохождения практики - Кафедра Информатики и математического обеспечения.
- Согласовать отчет с руководителем, согласованную версию отправить по элпочте О. Б. Петриной.
Вариант практики, связанный с программным мини проектом или исследованием.
- Выбрать одну из задач из списка (см. ниже). Связаться с автором выбранной задачи и согласовать с ним сделанный выбор. При этом рекомендуется рассматривать задачу как тему практики НИР, которая начнется во втором семестре и предполагается к продолжению вплоть до впускной работы бакалавра.
- Выбрать для обзора одну из тем (см. ниже) учебника: Котельников, И. А. LaTeX по-русски [Электронный ресурс]. / И. А. Котельников, П. З. Чеботаев. — 3-е изд., перераб. и доп. — Новосибирск : Сибирский хронограф, 2004. — 496 с. — URL: https://www.researchgate.net/publication/235255954_LaTeX_po-russki
- Сообщить о выбраных задаче и теме О. Б. Петриной по элпочте.
- Подготовить отчет в LaTeX в котором представить результаты работ выполненных согласно пунктам 1 и 2. В отчете указать двух руководителей - автор задачи и к.т.н., доцент Ю. А. Богоявленский, место прохождения практики определит автор задачи.
- Согласовать отчет с автором задачи, согласованную версию отправить по элпочте О. Б. Петриной.
В связи с большим объемом учебной работы рекомендуется для тем, связанных с мини проектом выполнить постановку задачи проектирование, возможно разработать визуальные модели. Кодирование и тестирование целесообразно отложить на всенний семестр.
Всем студентами нужно сообщить О. Б. Петриной по элпочте о выбранной теме и, возможно, задаче до 24.09.2020. Для резервирования времени на сдачу зачетов рекомендуется согласовать отчет с руководителем до 14.12.2020.
Список тем по LaTeX.
Номер задания. Разделы учебника.
- 1.4, 1.5, 1.6
- 1.7, 1.8, 1.9, 1.10
- 1.11, 1.12
- 2.1. - 2.6
- 2.8 - 2.10
- 3.1 - 3.3
- 3.5 - 3.6
- 3.7
- 3.10
- 4.4 - 4.5
- 4.6 - 4.7
- 6.1 - 6.2
- 6.3.2
- 6.4.1
- 6.4.5
- 7.1 - 7.2
- 11.1
- 11.2 - 11.3
- 12.2
- 12.3
Список задач
Корзун Дмитрий Жоржевич (dkorzun@cs.petrsu.ru), к.ф.-м.н., доцент
- Разработка сценария для умного дома на базе умной электроники: лампы, розетки, датчики (движение, дым, температура), видеонаблюдение, кухонная техника, аудиосистема.
- Методы распознавания движения (по данным видеонаблюдения, акселерометра, акустики) на базе учебных курсов по технологиям искусственного интеллекта Универститета НТИ 20.35
- Методы распознавания эмоций человека (по данным видео, текста, голоса) на базе учебных курсов по технологиям искусственного интеллекта Универститета НТИ 20.35.
Марахтанов Алексей Георгиевич (marahtanov@petrsu.ru), директор центра искусственного интеллекта
- Сервисы сбора данных для анализа поведенческих характеристик пользователей интернет-системы. Проектирование, разработка.
- Рекомендательные системы. Сравнение подходов и алгоритмов.
- Машинное зрение. Сервис автоматического распознавания персон на фотографиях с целью их последующей рубрикации методами искусственного интеллекта.
- Диалоговые системы. Интеллектуальный чат-бот как сервис для студентов образовательной организации. Разработка концепции и требований.
- Машинное зрение. Автоматическая фиксация посещаемости занятий методами искусственного интеллекта.
- Объяснимый искусственный интеллект (Explainable Artificial Intelligence). Обзор источников информации по теме, описание концепции.
Марченков Сергей Александрович (marchenk@cs.karelia.ru), старший преподаватель, начальник отдела интеллектуальных методов обработки и анализа данных
- Проектирование распределенной архитектуры для обработки больших данных многопараметрического мониторинга на основе подхода «лямбда-архитектура» (HDFS, Apache Kafka, Apache Spark, HBase, Neo4j).
- Разработка модели хранения пространственно-временных событий и модели представления технического состояния объекта мониторинга для дальнейшего использования при прогнозной аналитике технического обслуживания (на примере, графовой СУБД - Neo4j).
- Определение дефектов подшипников на основе поиска характеристических частот и их гармонических составляющих в конкретном наборе данных (спектральный анализ огибающей сигнала – SciPy, Jupyter Notebook).
- Определение присутствия человека в рабочей области оборудования (Python, OpenCV, TensorFlow).
- Использование методов машинного зрения для идентификации человека с контролем соблюдения мер безопасности (в т.ч. распознавание медицинских масок, защитных касок; Python, OpenCV, TensorFlow).
Димитров Вячеслав Михайлович (dimitrov@cs.petrsu.ru), старший преподаватель
- Разработка ПО для считывания и обработки данных с IMU сенсора на слабопроизводительном одноплатном компьютере.
- Разработка мобильного приложения (ОС Android) для считывания данных по BLE протоколу.
- Разработка веб приложения проигрывания данных.
- Разработка интерактивного веб приложения с использованием протокола WebSocket.
- Разработка системы нагрузочного тестирования для WebRTC серверов (kurento, webrtc-streamer, janus и др.).
- Разработка системы определения причины простоя оборудования с использованием telegram чат бота.
- Разработка генератора редактора таблиц для платформы laravel (web, php).
- Разработка системы нагрузочного тестирования для программной связки RabbitMQ и NodeJS приложения (MQTT протокол).
Отчетность
Объем отчета не менее 7 стр. без учета титульного листа и содержания.
- Шаблон отчета: исходный код, сформированный файл.
- Документация по разработке отчетов.