Differences
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 | ||
|
tematy_prac_inzynierskich [2020/06/28 03:10] pszwed [4. Generacja i testy Negatywnych Baz Danych] |
tematy_prac_inzynierskich [2021/07/10 03:36] pszwed [2021] |
||
|---|---|---|---|
| Line 9: | Line 9: | ||
| ====== Tematy prac inżynierskich ====== | ====== Tematy prac inżynierskich ====== | ||
| + | |||
| + | ===== 2021 ===== | ||
| + | |||
| + | Możliwe jest zgłaszanie własnych tematów. Jednak, nie chcę prowadzić prac polegających na implementacji aplikacji webowej/ | ||
| + | z użyciem typowego stosu technologicznego, | ||
| + | |||
| + | |||
| + | |||
| + | === 1. Optymalizacja ciągła: PyTorch + algorytm pszczeli=== | ||
| + | [zajęte, MW] | ||
| + | |||
| + | === 2. Optymalizacja ciągła - algorytm mrówkowy=== | ||
| + | Obejmuje opracowanie algorytmu (specyficzna implementacja). Platforma TensorFlow lub PyTorch lub CUDA | ||
| + | Testy z użyciem funkcji testowych z konferencji CEC | ||
| + | |||
| + | === 3. Inne algorytmy optymalizacji ciągłej === | ||
| + | Do ustalenia. | ||
| + | |||
| + | === 4. Baza wiedzy z rozmytymi relacjami=== | ||
| + | Na przykładzie rekomendacji dietetycznych dla różnych typów schorzeń. | ||
| + | Obejmuje: bazę, interfejs dostępu REST do odczytu i zapisu, aplikację webową. Należy wypełnić bazę przykładowymi danymi, np dla 2-3 schorzeń i produktów spozywczych. | ||
| + | |||
| + | === 5. Repozytorium danych tekstowych na potrzeby NLP === | ||
| + | Obejmuje projekt i implementację bazy danych + web scraping artykułów z wybranych 2-3 źródeł (np. PubMed), indeksowanie według wybranych terminów. | ||
| + | |||
| + | === 6. Rozpoznawanie aktywności użytkownika na podstawie odczytów czujników urządzenia mobilnego === | ||
| + | Aplikacja mobilna zbierająca i interpretująca dane. Należy zarejestrować przykłady odczytów (bieg, chód, | ||
| + | |||
| + | === 7. Predykcja szeregów czasowych z użyciem Rozmytych Map Kognitywnych === | ||
| + | Implementacja na platformie TensorFlow lub PyTorch. Najchętniej na (części) danych typu PEMS https:// | ||
| + | |||
| + | === 8. Projekt i implementacja wybranych algorytmów grupowania dla PostgreSQL=== | ||
| + | Przykładowe algorytmy to k-means, db-scan, ward. Implementacja w języku PL/pgSQL. Projekt obejmuje generację danych syntetycznych różnych rozmiarów i testy algorytmów. | ||
| + | |||
| + | === 9. Rozpoznawanie emocji w głosie=== | ||
| + | W ramach pracy należy zdefiniować kilka kategorii emocji (spokojna rozmowa, uprzejma rozmowa z klientem, kłótnia, program informacyjny, | ||
| + | |||
| + | |||
| + | === 10. Generacja informacji o ruchu w grafie === | ||
| + | Graf sieci drogowej na podstawie mapy OSM. Rozmiar - co najmniej aglomeracja. W sieci porusza się duża liczba obiektów, dla każdego obiektu losowany jest punkt startowy i końcowy i wyznaczana droga (np. algorytmem A-star). Oprogramowanie ma zbierać informacje o koncentracji obiektów w danym miejscu i przedziale czasu (natężeniu ruchu). | ||
| + | |||
| + | === 11. Grupowanie obiektów na mapie=== | ||
| + | Implementacja algorytmu, który będzie łączył w grupy blisko położone obiekty. Odległość musi uwzględniać rzeczywistą odległość w sieci drogowej (długość drogi wyznaczonej np. algorytmem A-star). | ||
| + | |||
| + | |||
| + | <!-- | ||
| + | **Na razie nie mam propozycji tematów ** | ||
| + | |||
| + | Generalnie, nie chcę prowadzić tematów polegających na implementacji aplikacji webowej/ | ||
| + | |||
| + | Typowy zakres prac | ||
| + | * eksploracji danych/ | ||
| + | * algorytmy optymalizacji ciagłej (ale na platformie typu TensorFlow lub PyTorch) | ||
| + | * może to być implementacja systemu, który będzie miał jakiś inteligentny komponent albo będzie przydatne w tej dziedzinie - jak narzędzie do etykietowania | ||
| + | --> | ||
| ===== 2020 ===== | ===== 2020 ===== | ||
| - | | + | |
| - | | + | |
| - | | + | |
| - | | + | |
| + | -Analiza antyplagiatowa kodu :!: Zajęte | ||
| ==== 1. Map matching ==== | ==== 1. Map matching ==== | ||
| Zarezerwowane jako implementacja w Pythonie? :?: | Zarezerwowane jako implementacja w Pythonie? :?: | ||
| Line 44: | Line 100: | ||
| To jest temat, który można rozszerzyć na kilka algorytmów. Wspólną cechą ma być: | 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 | + | * wykorzystanie operacji biblioteki |
| * Zamiast wykonywac operacje na pojedynczych osobnikach (wektorach w R^n), maja być przeprowadzane operacje na całych macierzach (w których wiersz odpowiada osobnikowi) | * 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:// | * uzycie do testów funkcji z konferencji CEC [[http:// | ||
| Line 70: | Line 126: | ||
| Inne do przedyskutowania..., | Inne do przedyskutowania..., | ||
| - | ==== 3. Grupowanie grawitacyjne ==== | + | ==== 3. Grupowanie grawitacyjne |
| + | :!: Zajete | ||
| Grupowanie (klasteryzacja) to proces łączenia danych w grupy. Przez dane rozumiane są tu wektory w R^n. Zazwyczaj oczekuje się, że grupy będą od siebie oddalone, natomiast dane należące do jednej grupy położone blisko siebie. Przy grupowaniu grawitacyjnym wykorzystuje się model sił grawitacji - blisko położone punkty przyciągają się mocniej i skupiają w grupy. | Grupowanie (klasteryzacja) to proces łączenia danych w grupy. Przez dane rozumiane są tu wektory w R^n. Zazwyczaj oczekuje się, że grupy będą od siebie oddalone, natomiast dane należące do jednej grupy położone blisko siebie. Przy grupowaniu grawitacyjnym wykorzystuje się model sił grawitacji - blisko położone punkty przyciągają się mocniej i skupiają w grupy. | ||
| Celem pracy jest implementacja kilku znanych wersji algorytmu grupowania grawitacyjnego i przetestowanie ich działania. | Celem pracy jest implementacja kilku znanych wersji algorytmu grupowania grawitacyjnego i przetestowanie ich działania. | ||
| - | Język | + | Platforma |
| + | |||
| ==== 4. Generacja i testy Negatywnych Baz Danych ==== | ==== 4. Generacja i testy Negatywnych Baz Danych ==== | ||
| + | |||
| + | :!: Zajete | ||
| Negatywne Bazy Danych (NDB) przechowują w jawnej postaci negatywną informację. Można to przeanalizować na przykładzie łańcucha bitów 101. Negatywna reprezentacja to oczywiście wyliczenie innych wariacji: 001,010, itd. Stosując symbole wieloznaczne może to być również | Negatywne Bazy Danych (NDB) przechowują w jawnej postaci negatywną informację. Można to przeanalizować na przykładzie łańcucha bitów 101. Negatywna reprezentacja to oczywiście wyliczenie innych wariacji: 001,010, itd. Stosując symbole wieloznaczne może to być również | ||
| Line 82: | Line 143: | ||
| Te dwie ostatnie specyfikacje są równoważne formule logicznej | Te dwie ostatnie specyfikacje są równoważne formule logicznej | ||
| - | $b_0\wedge \neg b_2 \lor \not b_0$. | + | $f=b_0\wedge \neg b_2 \lor \neg b_0$. |
| + | |||
| + | Znalezienie ciągu zdań (bitów), dla których formuła jest prawdziwa to zagadnienie | ||
| - | Znalezienie ciągu zdań (bitów) to zagadnienie SAT [[https:// | ||
| + | ==== 5. Analiza antyplagiatowa kodu ==== | ||
| + | :!: Zarezerwowany | ||
| + | Celem pracy jest implementacja systemu, który będzie umożliwiał przesłanie plików źródłowych w wybranym języku programowania przez zalogowanych użytkowników, | ||
| ===== 2019 ===== | ===== 2019 ===== | ||
