Differences

This shows you the differences between two versions of the page.

--- tematy_prac_inzynierskich [2019/07/08 00:13]
pszwed [2019]
+++ tematy_prac_inzynierskich [2020/03/10 15:44]
pszwed [Proces dyplomowania]
@@ Line 1: / Line 1: @@
+===== Szablon =====
+  - bez katedry (to nie ma większego znaczenia),
+  - //Projekt dyplomowy// (a nie //Projekt inżynierski// ani //Praca dyplomowa//),
+  - czcionka nie ma dużego znaczenia
+  - na drugiej stronie nie ma już oświadczenia, bo są one osobno składane.
+Jeżeli praca została wysłana do Wirtualnej Uczelni, nie jest konieczna jej modyfikacja. [07.01.2020]
+[[proces_dyplomowania]]
+===== Struktura pracy ======
+[[struktura_pracy_inz|Struktura pracy]]
+=====Uwagi=====
+  * W tekście pracy nie używamy czasu przyszłego (opisujemy to, co jest/istnieje lub to, co zostało zrobione)
+  * Nie piszemy, że //chcemy przybliżyć// lub //ułatwić zrozumienie//. Czytelnikiem jest osoba oceniająca pracę, więc nie można sugerować, że czegoś może nie rozumieć ;-)
+  * W miarę mozliwosci ilustrujemy tekst rysunkami. Nawet prostymi, typu przepływ danych od A do D poprzez B i C: A -> B -> C -> D.
+  * Podczas obrony przewidziana jest trwająca około 7 min prezentacja, podczas której pokazuje się 8-12 slajdów. Prezentacja jest oceniana (25% oceny z obrony). Rysunki wybrane z pracy są tu dobrymi kandydatami na treść slajdów.
+  * Prezentacja powinna obejmować:
+      - Slad tytułowy
+      - Cel pracy
+      - Przedstawiennie problemu, motywacje
+      - Może zawierać elementu przegladu literatury (ale krótko)
+      - Opis prac własnych (zaprojektowano, zaimplementowano, przetestowano, rezultaty). Raczej rysunki, diagramy, niewielkie tabele, mało tekstu.
+      - Podsumowanie
+  * Zła prezentacja:
+     * Ma 20 slajdów
+     * W tym 12+ to przegląd literatury i przytoczenie znanych faktów/definicji/rozwiązań/technologii, a 3 slady na prace własne
+     * Dyplomant skupia się na szczegółach
+     * Około 14 slajdu przewodniczący komisji przerywa i prosi o przejście do podsumowania (przed slajdami z pracami własnymi)
 ====== Tematy prac inżynierskich ======
+===== 2020 =====
+==== 1. Map matching ====
+Zarezerwowane jako implementacja w Pythonie? :?:
+(a) Implementacja (znanego) algorytmu rzutowania sekwencji odczytów GPS na mapę w postaci procedur składowanych dla PostgreSQL/PostGIS, na podsatwie [[https://www.researchgate.net/publication/263855222_SLIDES_An_Incremental_Map-Matching_Algorithm_Based_on_Hidden_Markov_Model]]
+Procedury mogą być zaimplementowane w
+  - [[https://www.postgresql.org/docs/9.2/plpgsql.html]] preferowane, łatwe w konfiguracji i wydajne
+  - Java lub Pythonie (trudniejsze w konfiguracji i dyskusyjne wydajnościowo)
+(b) Alternatywnie, dla mapy przechowywanej w pamięci w językach Java lub Python, ale konieczna implementacja funkcjonalności, które są w PostGIS zaimplementowane (indeksy przestrzene, obliczanie odleglości) oraz wstępne prztewarzanie danych mapy.
+Zakres:
+  - załaduj mapę oryginalną
+  - podziel drogę na segmenty (od skrzyżowania do skrzyżowania)
+  - dodaj tabele/struktury danych do przechowywania ścieżek GPS
+  - dodaj tabele/struktury danych na graf przypisujący odczyty do punktów na odcinkach dróg
+  - napisz procedurę, która dla nowego punktu:
+    - rozszerza graf o nowe możliwe wierzchołki //expansion//
+    - usuwa z grafu wierchołki, z których nie można kontynuować //contraction//
+  - podprocedury powinny mieć warianty lub być sterowane parametrami
+  - Testy:
+    - jakościowe - czy ścieżki są odwzorowane poprawnie
+    - wydajnościowe - ile zapytań można przetwarzać w jednostce czasu, ewentualnie grupowanie punktów jednej ściezki
+==== 2. Algorytmy optymalizacji ciagłej z użyciem numpy ====
+To jest temat, który można rozszerzyć na kilka algorytmów. Wspólną cechą ma być:
+  * wykorzystanie operacji biblioteki numpy. Mimo, że są funkcjami Pythona, sa zaimplementowane w C i działają wydajnie
+  * Zamiast wykonywac operacje na pojedynczych osobnikach (wektorach w R^n), maja być przeprowadzane operacje na całych macierzach (w których wiersz odpowiada osobnikowi)
+  * uzycie do testów funkcji z konferencji CEC [[http://www.tflsgo.org/special_sessions/cec2019]]. Konieczna jest ich reimplementacja. Funkcje CEC wykorzystują kilkanascie funkcji bazowych, które następnie są zniekształcane przez przesuniecia i rotacje. W przypadku kilku prac można zestw funkcji opracować wspólnie.
+  * Z reguły algorytmy mają jakieś parametry. Dla danej funkcji  należy przeprowadzić dobór parametrów przez losowe lub systematyczne przeszukanie przestrzeni parametrów.
+  * Wybór macierzowej reprezentacji może powodować pewne niewielkie odstepstwa od bazowego algorytmu mające na celu przyspieszenie obliczeń
+=== 2.a PSO ===
+Implementacja algorytmu Particle Swarm Optimization. Należy zaimplementować rózne topologie:
+  * globalną
+  * sąsiedzi
+  * losowowanie grafu
+=== 2.b Algorytm mrówkowy ===
+Implementacja algorytmu mrówkowego, np. wykorzytsujac idee z [[https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4037618/]]
+=== 2.c Algorytm pszczeli ===
+Istnieje kilka wersji...
+=== 2.d ===
+Inne do przedyskutowania..., np [[https://troja.uksw.edu.pl/zasoby/SL2014-ZhangSanderson2009.pdf]]
 ===== 2019 =====
-Obecnie zarezerwowanych jest 9/12
+Obecnie zarezerwowanych jest 12/12
+:!: ** Nie podejmuję się prowadzenia kolejnych prac ze wzgledu na osiągnięcie limitu** :!:
 ==== 1. Wizualizacja danych geograficznych ====
 :!: Rezerwacja
@@ Line 10: / Line 99: @@
 ==== 2. Narzędzia WebScraping ====
+:!: Rezerwacja
 Przegląd i porównanie narzędzi WebScraping dla kilku przykładowych zadań, np. zbieranie danych z serwisu nieruchomości lub samochodów, zbieranie publikacji prasowych na popularnych portalach, produktów z Allegro, itp. Zakres zadań do uzgodnienia.
@@ Line 47: / Line 138: @@
 ==== 6. Optymalizacja na GPU ====
 Implementacja popularnych algorytmów optymalizacji ciągłej na GPU: CUDA lub OpenCL. //Takich prac może być wiecej...//