Differences

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

Link to this comparison view

Both sides previous revision Previous revision
Next revision
Previous revision
Next revision Both sides next revision
tematy_prac_inzynierskich [2021/07/10 23:30]
pszwed [2021]
tematy_prac_inzynierskich [2021/08/09 01:39]
pszwed
Line 23: Line 23:
 Obejmuje opracowanie algorytmu (specyficzna implementacja). Platforma TensorFlow lub PyTorch lub CUDA Obejmuje opracowanie algorytmu (specyficzna implementacja). Platforma TensorFlow lub PyTorch lub CUDA
 Testy z użyciem funkcji testowych z konferencji CEC Testy z użyciem funkcji testowych z konferencji CEC
 +[zajęte MS]
  
 === 3. Inne algorytmy optymalizacji ciągłej === === 3. Inne algorytmy optymalizacji ciągłej ===
Line 29: Line 30:
 === 4. Baza wiedzy z rozmytymi relacjami===  === 4. Baza wiedzy z rozmytymi relacjami=== 
 Na przykładzie rekomendacji dietetycznych dla różnych typów schorzeń. 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.+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 ===  === 5. Repozytorium danych tekstowych na potrzeby NLP === 
Line 35: Line 36:
  
 === 6. Rozpoznawanie aktywności użytkownika na podstawie odczytów czujników urządzenia mobilnego === === 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. +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 ===  === 7. Predykcja szeregów czasowych z użyciem Rozmytych Map Kognitywnych === 
Line 45: Line 46:
 === 9. Rozpoznawanie emocji w głosie===  === 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]] 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 ===  === 10. Generacja informacji o ruchu w grafie === 
tematy_prac_inzynierskich.txt · Last modified: 2024/06/17 14:54 by pszwed
CC Attribution-Share Alike 4.0 International
Driven by DokuWiki Recent changes RSS feed Valid CSS Valid XHTML 1.0