Aplikacja mobilna i analiza danych (3 osoby)

• Aplikacja mobilna pozwalającej na zbieranie danych z czujników w telefonie (akcelerometr, żyroskop, GPS) oraz dodawanie komentarzy słownych
• Eksperymenty offline (analiza zebranych danych w celu klasyfikacji charakteru nawierzchni, progów, utrudnień, zachowania kierowcy)
• Rozbudowa aplikacji, implementacja mechanizmów klasyfikacji i oceny odcinków trasy oraz komunikacja z serwerem.

Serwer i wizualizacja (2 osoby)

• Serwer z interfejsem REST do odbioru danych
• Aplikacja testowa do zasilania sztucznie wygenerowanymi danymi
• Aplikacja do wizualizacji zarejestrowanych ścieżek na mapie

(3 osoby)

Interfejs ma umożliwiać:

• Import danych o przebiegu dróg z mapy (w niewielkim otoczeniu lokalnym). Żródło OSM
• Nanoszenie elementów:
• Punktowych
• Liniowych
• Wieloboków
• Elementom tym mogą być przypisane różne własności (klucz-wartość)
• Dodawanie własności (klucz wartość) do istniejących elementów
• Edycja (wyświetlanie) wykresów prędkości poprzez przemieszczanie punktów, pokazywanie wykresu wraz z przedziałem prędkości.
• Zapis danych w postaci XML

Układ graficzny powinien być wzorowany na https://safety.fhwa.dot.gov/speedmgt/ref_mats/fhwasa12004/ Figure 6. An Example of a Strip Map of a Study Area Showing Existing Conditions. (Source: CalTrans, 2009)  

Platforma do ustalenia: JvaFX lub aplikacja webowa wykorzystująca canvas HTML5 Wymagane rysowanie dróg z użyciem grafiki wektorowej. Wykluczone użycie komponentów mapowych oferujących kafelki

(2 osoby)

Celem projektu jest zebranie polskich danych tekstowych (np. wypowiedzi na Twitterze osób publicznych, celebrytów ) oraz analiza ich treści:

• Kategoryzacja (czyli wykrywanie tematu)
• Wykrywanie podobieństw stylistycznych
• Wykrywanie podobnych wpisów i wizualizacja na osi czasu

Do pobierania danych można skorzystać bezpośrednio z API Twittera lub użyć funkcji platformy Apache Spark

Przydatne informacje: laboratorium Metody eksploracji danych (semestr zimowy)

(2 osoby)

W wielu organizacjach rejestrowane są logi zdarzeń, które obserwowane są podczas realizacji procesów biznesowych. Są one używane do identyfikacji procesów lub sprawdzania zgodności zarejestrowanych zdarzeń z przebiegiem procesu. (Patrz: process mining). Standardowym formatem jest XES http://www.xes-standard.org. Dostępne są rzeczywiste lub wygenerowane zbiory sekwencji zdarzeń w tym formacie.

Celem projektu jest opracowanie funkcji działających po stronie systemu zarządzania bazą danych (procedur składowanych) umożliwiających wykonywanie kwerend na sekwencjach. Elementy zapytań powinny być wzorowane na operatorach logiki temporalnej (zawsze, w końcu), np.: zawsze (zarejestrowano zlecenie ⇒ w końcu wysłano potwierdzenie).

Platforma: PostgreSQL, język pgsql lub Java lub Python.

(2 osoby)

Mapy kognitywne opisane są równaniem stanu X(t+1) = f(E X(t))$, gdzie X\in R^n, natomiast E jest macierzą n x n

Mogą być one używane do odtwarzania ciągów czasowych lub do wnioskowania (zwykle ciąg <X(t)> jest zbieżny do wartości ustalonej). Uczenie polega na znalezieniu elementów macierzy E tak, aby dopasować się do zaobserwowanych danych. Można je realizować np. za pomocą algorytmów genetycznych, korzystając z reguły Hebba lub innymi metodami optymalizacji.

Celem projektu jest implementacja wybranych dwóch (do ustalenia) algorytmów uczenia map kognitywnych na platformie OpencCL.

W projektach będzie testowany zestaw ciągłych problemów optymalizacyjnych arg min f(X), gdzie X\subset R^n, dla różnych wartości n.

• Algorytm PSO ( 1 osoba)
• Algorytm Bees (1 osoba)
• Algorytm mrówkowy (1 osoba)

Podobny zestaw algorytmów, problemy do ustalenia.

1-2 osoby

Celem projektu jest generacja ontologii (grafu z etykietami krawędzi) o zadanych parametrach statystycznych. Parametry należy częściowo wzorować na propozycji w publikacji http://www.nature.com/ncomms/2015/151020/ncomms9627/full/ncomms9627.html.

Podane miary należy dostosować do modelu: - krawędź grafu może być związana z relacją

• dziedziczenia (taksonomiczną)
• “zwykłą” relacją (object property) pomiędzy klasami
• relacją przynależności obiektu do klasy
• relacją pomiędzy obiektami

- parametrem jest też liczba atrybutów (klasy i obiektu)

Zagadnienie jest zadaniem optymalizacyjnym: należy wygenerować graf z funkcją celu opisującą dopasowanie do zadanych parametrów. Np. można wykorzystać algorytm genetyczny.

Uwaga Przed zarejestrowaniem tematu sprawdź, czy nie jest zajęty. Dany temat może zostać wybrany tylko przez jedną grupę.

Zarejestruj temat

Lista zarezerwowanych tematów

Funkcja do rejestracji jest niestety bardzo prymitywna, za co z góry przepraszam. Działanie jej polega na dopisywaniu kolejnych wierszy do pliku tekstowego. Nanosząc ręcznie poprawki najłatwiej jest mi usuwać całe wiersze.

• Jeśli 1-2 osobowa grupa chce dodać kolejną osobę - proszę zarejestrować jeszcze raz wpisując wszystkich członków grupy. Wcześniejszy wpis zostanie usunięty
• Jeżeli grupa chce zmienić temat - proszę zarejestrować jeszcze raz grupę i nowy temat.