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_magisterskich [2016/09/19 22:58]
pszwed [Tematy do realizacji w roku 2016/2017]
tematy_prac_magisterskich [2018/09/15 00:33]
pszwed [Tematy do realizacji 2018/2019]
Line 1: Line 1:
 ====== Tematy prac magisterskich ====== ====== Tematy prac magisterskich ======
 +
 +===== Tematy do realizacji 2018/2019 =====
 +
 +:!: Brak wolnych miejsc w roku 2018/2019
 +==== Optymalizacja (kilka tematów prac do uzgodnienia) ==== 
 +  - Algorytmy optymalizacji ciągłej: mrówkowe, pszczele, PSO (wraz z modyfikacjami). Funkcje celu CEC. Implementacje na różnych platformach: CUDA, TensorFlow (python), OpenCL, Nd4j
 +  - Zastosowanie automatów komórkowych do optymalizacji (ciągłej?/dyskretnej?). W praktyce byłoby to wykorzystanie rozwiązań z algorytmu populacyjnego, ale interesujące będzie przebadanie różnych topologii sąsiedztwa i reguł uaktualniania stanów
 +
 +==== Uczenie maszynowe ==== 
 +
 +  - Odkrywanie reguł decyzyjnych za pomocą algorytmów optymalizacyjnych - optymalizacja przesłanek i kolejności reguł
 +  - Przetwarzanie danych (klasyfikacja) wprowadzonych przez grupę (crowdsourcing) https://data.world/datasets/crowdsourced
 +  - Rozpoznawanie klawiszy na podstawie zarejestrowanych dźwięków (klawiatura leżąca na stole)
 +  - Rozpoznawanie klawiszy na podstawie wskazań czujników w komórce (np. akcelerometr)
 +
 +
 +
 +===== Tematy do realizacji 2017/2018 =====
 +
 +Szkic
 +  - Pobieranie danych ze stron internetowych metodą rozpoznawania obrazów //data scraping// (np. należy pobrać informacje o cenach i towarach na stronie: zapisz obraz strony, wykryj układ, zastosuj OCR do poszczgólnych regionów)
 +  - Ro(botyzacja). Zastąpienie działania użytkownika systemu botem posługującym się interfejsem użytkownika (pobierz dane z pola aplikacji, wykonaj na nich operację, zapisz wartości w innym okienku/polu aplikacji).  
 +  - Algorytm rzutowania ścieżek GPS na mapę (//map matching//). Implementacja w języku plpgSQL (Postgres + PostGIS)
 +  - Rekomendacja treści z wykorzystaniem charakterystyk czasowych (na przykładzie zbiorów danych MovieLens, Netflix, itp)
 +  - Algorytm mrówkowy, zastosowanie do optymalizacji ciągłej, testy na funkcjach CEC 2015/2017, implementacja z użyciem nd4j lub na GPU
 +  - Agentowy ("rozproszony") system klasyfikacji. Melanż Akka (system agentowy) + Weka (biblioteka uczenia maszynowego).  
  
 ===== Tematy do realizacji w roku 2016/2017 ===== ===== Tematy do realizacji w roku 2016/2017 =====
  
-^Temat|**1. Implementacja systemu umożliwiającego generację widoków ontologii   ** |+:!: **Uwaga w roku 2016/2017 brak wolnych tematów** 
 + 
 + 
 +^Temat|**1. Implementacja systemu umożliwiającego generację widoków ontologii  :!: Zajęty ** |
 ^Cel|Dla uproszczenia: ograniczymy się do ontologii odpowiadających diagramom klas. Często ontologie zawierają setki lub tysiące klas. W wielu zastosowaniach, np.: wnioskowania, taka reprezentacja jest nadmiarowa i prowadzi do znacznego zwiększenia czasu przetwarzania. W rzeczywistości używa się kilkunastu klas i relacji. Widok ontologi to jej podzbiór obejmujący wybrane klasy, atrybuty (datatype property) i relacje. Celem pracy jest 1) opracowanie prostego języka specyfikacji widoków 2) realizacja systemu (biblioteki), który będzie takie widoki budował (3) przeprowadzenie testów | ^Cel|Dla uproszczenia: ograniczymy się do ontologii odpowiadających diagramom klas. Często ontologie zawierają setki lub tysiące klas. W wielu zastosowaniach, np.: wnioskowania, taka reprezentacja jest nadmiarowa i prowadzi do znacznego zwiększenia czasu przetwarzania. W rzeczywistości używa się kilkunastu klas i relacji. Widok ontologi to jej podzbiór obejmujący wybrane klasy, atrybuty (datatype property) i relacje. Celem pracy jest 1) opracowanie prostego języka specyfikacji widoków 2) realizacja systemu (biblioteki), który będzie takie widoki budował (3) przeprowadzenie testów |
 ^Platforma implementacji|Java + biblioteka Jena lub OWL API | ^Platforma implementacji|Java + biblioteka Jena lub OWL API |
Line 20: Line 49:
  
  
-^Temat|**4. Wyznaczanie i wnioskowanie o rozmytych relacjach na mapie** |+^Temat|**4. Wyznaczanie i wnioskowanie o rozmytych relacjach na mapie** :!: Zajęty |
 ^Cel| Celem pracy jest realizacja platformy pozwalającej na wyznaczanie, przechowywanie w formie zmaterializowanej rozmytych relacji opisujących obiekty mapy. Relacje rozmyte mają wartości z przedziału [0,1] (0=false, 1=true) Przykładem relacji jest blisko, np. ''blisko(Kraków, Zakopane)''. Wartość tej relacji zależy od kontekstu (blisko w skali kraju, ale raczej daleko w skali województwa). Jest to kontynuacja wcześniejszej pracy magisterskiej.| ^Cel| Celem pracy jest realizacja platformy pozwalającej na wyznaczanie, przechowywanie w formie zmaterializowanej rozmytych relacji opisujących obiekty mapy. Relacje rozmyte mają wartości z przedziału [0,1] (0=false, 1=true) Przykładem relacji jest blisko, np. ''blisko(Kraków, Zakopane)''. Wartość tej relacji zależy od kontekstu (blisko w skali kraju, ale raczej daleko w skali województwa). Jest to kontynuacja wcześniejszej pracy magisterskiej.|
 ^Platforma implementacji|OSM - żródło mapy, PostgreSQL+PostGIS, Java| ^Platforma implementacji|OSM - żródło mapy, PostgreSQL+PostGIS, Java|
Line 26: Line 55:
  
  
-^Temat|**5. Rekomendacja ograniczeń prędkości na podstawie danych geograficznych** :!: //Ze względu na możliwośc zastosowania różnych algorytmów podobne tematy mogą być realizowane przez kilka osób. Wtedy nastąpi uściślenie dotyczące klasy zastosowanego algorytmu.//+^Temat|**5. Rekomendacja ograniczeń prędkości na podstawie danych geograficznych** :!: Zajęty 
-^Cel| Celem pracy jest realizacja oprogramowania, które na podstawie danych mapy zbuduje model w postaci zbioru odcinków dróg wraz z relacjami do obiektów mających potencjalny wpływ na ustalanie dopuszczalnej prędkości. W dalszej części pracy należy zastosować gotowe algorytmy uczenia maszynowego (regresji, klasyfikacji, detekcji anomalii, rekomendacji) w celu wyznaczenia zalecanej prędkości. Końcowym efektem pracy powinny być: (1) wybór cech [wspomnianych relacji] (2) przeprowadzone testy algorytmów dla różnych kombinacji parametrów oraz ocena ich skuteczności działania |+^Cel| Celem pracy jest realizacja oprogramowania, które na podstawie danych mapy zbuduje model w postaci zbioru odcinków dróg wraz z relacjami do obiektów mających potencjalny wpływ na ustalanie dopuszczalnej prędkości. W dalszej części pracy należy zastosować gotowe algorytmy uczenia maszynowego (regresji, klasyfikacji, detekcji anomalii, rekomendacji) w celu wyznaczenia zalecanej prędkości. Końcowym efektem pracy powinny być: (1) wybór cech [wspomnianych relacji] (2) przeprowadzone testy algorytmów dla różnych kombinacji parametrów oraz ocena ich skuteczności działania //Ze względu na możliwośc zastosowania różnych algorytmów podobne tematy mogą być realizowane przez kilka osób. Wtedy nastąpi uściślenie dotyczące klasy zastosowanego algorytmu.//|
 ^Platforma implementacji|OSM - żródło mapy, Java, algorytmy uczenia maszynowego: Weka, SciPy (Python), Matlab/Octave (do wyboru) | ^Platforma implementacji|OSM - żródło mapy, Java, algorytmy uczenia maszynowego: Weka, SciPy (Python), Matlab/Octave (do wyboru) |
 ^Kwalifikacje dyplomanta|TBD | ^Kwalifikacje dyplomanta|TBD |
Line 43: Line 72:
  
 ^Temat|**8. Agentowa implementacja algorytmu pszczelego (Bees algorithm)** :!: Zarezerwowany| ^Temat|**8. Agentowa implementacja algorytmu pszczelego (Bees algorithm)** :!: Zarezerwowany|
 +^Cel| Podobnie, jak 7. Wybór algorytmu narzuca jednak inną strukturę grafu komunikacji.|
 +^Platforma implementacji|biblioteka Akka, Java |
 +^Kwalifikacje dyplomanta|TBD |
 +
 +^Temat|**9. Agentowa implementacja algorytmu mrówkowego** :!: Zarezerwowany|
 ^Cel| Podobnie, jak 7. Wybór algorytmu narzuca jednak inną strukturę grafu komunikacji.| ^Cel| Podobnie, jak 7. Wybór algorytmu narzuca jednak inną strukturę grafu komunikacji.|
 ^Platforma implementacji|biblioteka Akka, Java | ^Platforma implementacji|biblioteka Akka, Java |
Line 48: Line 82:
  
  
-^Temat|**8. Przetwarzanie danych na platformie Apache Spark ** (tytuł roboczy)|+^Temat|**10. Przetwarzanie danych na platformie Apache Spark ** (tytuł roboczy)|
 ^Cel| Celem pracy jest uruchomienie wybranych algorytmów klasyfikacji, klasteryzacji na platformie SPark [[https://spark.apache.org/]] dla zbiorów danych różnej wielkości i postaci. Należy przeprowadzić zarówno testy jakościowe (np. jakość klasyfikacji) oraz wydajnościowe.| ^Cel| Celem pracy jest uruchomienie wybranych algorytmów klasyfikacji, klasteryzacji na platformie SPark [[https://spark.apache.org/]] dla zbiorów danych różnej wielkości i postaci. Należy przeprowadzić zarówno testy jakościowe (np. jakość klasyfikacji) oraz wydajnościowe.|
 ^Platforma implementacji|platforma Apache Spark, Java | ^Platforma implementacji|platforma Apache Spark, Java |
 ^Kwalifikacje dyplomanta|TBD | ^Kwalifikacje dyplomanta|TBD |
  
-^Temat|**9. Przetwarzanie danych tekstowcyh na platformie Apache Spark ** :!: Zarezerwowane|+^Temat|**11. Przetwarzanie danych tekstowcyh na platformie Apache Spark ** :!: Zarezerwowane|
 ^Cel| Cel: TBD (klasyfikacja lub analiza sentymentu), np. dla danych z twittera| ^Cel| Cel: TBD (klasyfikacja lub analiza sentymentu), np. dla danych z twittera|
 ^Platforma implementacji|platforma Apache Spark, Java | ^Platforma implementacji|platforma Apache Spark, Java |
tematy_prac_magisterskich.txt · Last modified: 2024/06/13 17:41 by pszwed
CC Attribution-Share Alike 4.0 International
Driven by DokuWiki Recent changes RSS feed Valid CSS Valid XHTML 1.0