Differences

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

--- tematy_prac_inzynierskich [2020/10/05 21:26]
pszwed [4. Generacja i testy Negatywnych Baz Danych]
+++ tematy_prac_inzynierskich [2023/05/09 16:30]
pszwed [1. Aplikacja do analizy sieci społecznościowej pracowników AGH]
@@ Line 9: / Line 9: @@
 ====== Tematy prac inżynierskich ======
+===== 2023 =====
+==== 1. Aplikacja do analizy sieci społecznościowej pracowników AGH ====
+Zakres pracy:
+  - webscraping danych o publikacjach pracowników AGH (być może z pewnymi ograniczeniami)
+  - zapis do bazy danych
+  - budowa grafów powiązań pomiędzy pracownikami (wspólne publikacje, takie same słowa kluczowe publikacji)
+  - wizualizacja i przeglądanie danych
+==== 2. Uczenie ze wzmocnieniem na platformie Ray ====
+Opracowanie jednego lub kilku przykładów ucznia ze wzmocnieniem korzystającego z modułów platformy [[https://www.ray.io/|Ray]]
+===== 2021 =====
+**Wyczerpałem limit prac inżynierskich**
+Możliwe jest zgłaszanie własnych tematów. Jednak, nie chcę prowadzić prac polegających na implementacji aplikacji webowej/mobilnej
+z użyciem typowego stosu technologicznego, do której dorobiona jest specyfikacja w stylu [[http://home.agh.edu.pl/~pszwed/wiki/doku.php?id=amo:projekt_tematy|Analizy i Modelowania Oprogramowania]]. Na ogół bardzo trudno taką aplikację wypełnić danymi i później porządnie przetestować.
+=== 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
+[zajęte MS]
+=== 3. Inne algorytmy optymalizacji ciągłej ===
+Do ustalenia.  [jeszcze jeden temat zarezerwowany ... AZ]
+=== 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.  [zajęte MK]
+=== 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. [zarezerwowane PM]
+=== 6. Rozpoznawanie aktywności użytkownika na podstawie odczytów czujników urządzenia mobilnego ===
+Aplikacja mobilna zbierająca i interpretująca dane. Należy zarejestrować przykłady odczytów (bieg, chód,  jazda samochodem, rowerem). Następnie przeprowadzić ekstrakcję cech (widmo częstotliwości, zero-crossing rate, itp) i przeprowadzić klasyfikację.  [zarezerwowane]
+=== 7. Predykcja szeregów czasowych z użyciem Rozmytych Map Kognitywnych ===
+Implementacja na platformie TensorFlow lub PyTorch. Najchętniej na (części) danych typu PEMS https://dot.ca.gov/programs/traffic-operations/mpr/pems-source
+=== 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. [zarezerwowane HM]
+=== 9. Rozpoznawanie emocji w głosie===
+W ramach pracy należy zdefiniować kilka kategorii emocji (spokojna rozmowa, uprzejma rozmowa z klientem, kłótnia, program informacyjny, itp.) Dla każdej kategorii należy wyekstrahować około 100 kilkunastosekundowych przykładów z różnych źródeł (filmy, podcasty). Następnie korzystając z biblioteki librosa wyekstrahować cechy i przeprowadzić klasyfikację. Patrz [[http://home.agh.edu.pl/~pszwed/wiki/doku.php?id=med:start]]
+[zajęte MW]
+=== 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).    [zarezerwowane SK]
+=== 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). [zarezerwowane KR]
+=== 12. Wirtualny wyścig ===
+[Zajęte AK]
+=== 13. Animacja awatara ===
+[zarezerwowane AG]
+<!--
+**Na razie nie mam propozycji tematów **
+Generalnie, nie chcę prowadzić tematów polegających na implementacji aplikacji webowej/mobilnej z użyciem typowego stosu technologicznego, do której dorobiona jest specyfikacja w stylu [[http://home.agh.edu.pl/~pszwed/wiki/doku.php?id=amo:projekt_tematy|Analizy i Modelowania Oprogramowania]]. Na ogół bardzo trudno taką aplikację wypełnić danymi i później porządnie przetestować.
+Typowy zakres prac
+  * eksploracji danych/uczenie maszynowego - tu można wybrać kilka obszarów - obrazy, muzyka, NLP, szeregi czasowe, np. dane o natężeniu ruchu drogowego, notowania giełdowe
+  * 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 =====
-  -Map matching
+  -Map matching :!: Zajęte
-  -Algorytmy optymalizacji (możliwych jest kilka tematów)
+  -Algorytmy optymalizacji (możliwych jest kilka tematów) :!: Jeden temat zajęty
-  -Grupowanie grawitacyjne
+  -Grupowanie grawitacyjne :!: Zajęte
-  -Generacja i testy Negatywnych Baz Danych
+  -Generacja i testy Negatywnych Baz Danych :!: Zajęte
-  -Analiza antyplagiatowa kodu
+  -Analiza antyplagiatowa kodu :!: Zajęte
 ==== 1. Map matching ====
 Zarezerwowane jako implementacja w Pythonie? :?:
@@ Line 45: / Line 121: @@
 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 **numpy** lub **tensorflow**. 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.