Проекты
Образовательные
Исследовательские
Учебно-методический комплекс: Предварительная обработка данных для машинного обучения: сбор данных, извлечение признаков, feature engineering, выделение значащих признаков / уменьшение размерности данных, визуализация.
| Программа позволит получить навыки по подготовке данных для решения различных задач машинного обучения. Основной упор программа должна делать на углубление навыков извлечения признаков, выделения значащих признаков и разведочный анализ данных. |
Учебно-методический комплекс: Применение библиотеки TensorFlow для разработки глубоких нейросетевых моделей.
| Программа позволит получить навыки использования библиотеки TensorFlow. Основные пункты: построение графа вычислений, лосс функции, оптимизация, TensorBoard, TensorFlow Object detection API, TensorFlow C++ API. |
Учебно-методический комплекс: Разработка систем анализа данных (временные ряды, табличные данные и пр.) на основе Амазон AWS AI/ML сервисов.
Программа позволит получить навыки по управлению учетными записями AWS, настройке сервисов, настройке, подключению и обработке видео стримов, использованию AWS AI сервисов (amazon forecast, amazon comprehend), сервиса Amazon Kinesis Data Streams и образов AWS Deep Learning AMI (Amazon Machine Image).
Учебно-методический комплекс: Разработка систем компьютерного зрения на основе Амазон AWS AI/ML сервисов.
Программа позволит получить навыки по управлению учетными записями AWS, настройке сервисов, настройке, подключению и обработке видео стримов, использованию AWS AI сервисов (amazon rekognition), сервиса Amazon SageMaker и образов AWS Deep Learning AMI (Amazon Machine Image).
Ожидаемый результат
- Программа курса, в рамках которого будет преподаваться подготовленный материал;
- Лекции по курсу в электронном виде;
- Комплект презентаций по всем лекциям;
- Комплект учебных заданий для выполнения студентами. Каждое задание должно предполагать разработку некоторой практической задачи и должно основываться на использовании основных технологий, методов, алгоритмов, способов, рассматриваемых в курсе;
- Руководство по практическому выполнению заданий (пошаговые инструкции и рассмотрение пошагового выполнения типичных задач). Данное руководство должно позволять проводить серию практических занятий, в ходе которых студенты индивидуально смогут выполнить свои учебные задания;
- Опубликованное учебное пособие или учебно-методический комплекс;
- Технологии, применяемые при выполнении проектов: Java, Python, PostgreSQL, ReactJS и иные технологии, утвержденные при подготовке технического задания на проект.
Исследование возможностей построения систем распознавания действий работников и событий на производственных линиях по видеопоследовательности.
Сравнительный анализ подходов к детектированию жестов и событий с использованием сверточных и рекуррентных нейронных сетей.
Исследование возможности создания системы анализа данных для анализа произвольных наборов данных.
| Необходимо исследовать возможность создания в приложении необходимой структуры данных, ее импорт из файлов с возможностями анализа с использованием различных методов и алгоритмов. Изучить возможности визуализации результатов и предложить возможные варианты решения с использованием открытых библиотек. Разработать механизмы работы со строковыми данными, возможности создания структур данных и манипуляции данными, создание тестовых наборов данных. |
Система исследования алгоритмов компьютерного зрения на основе нейронных сетей и библиотек TensorFLow, yolo.
Данный проект предназначен для демонстрации возможностей библиотек компьютерного зрения. Должны быть представлены следующие функции: загрузка готовых моделей, визуализация графа, подключение видео стрима, визуализация результата работы моделей, построение конвейера обработки. Должны быть представлены различные возможности сравнения алгоритмов по скорости, производительности.
Система исследования и демонстрации возможностей алгоритмов машинного обучения на основе сервисов Amazon AWS.
| В ходе выполнения данного проекта должен быть реализован программный продукт, позволяющий демонстрировать возможности сервисов Amazon AWS. На основе данного проекта должны быть подготовлены примеры решения практических задач для обучения студентов, а также индивидуальные задания. Демонстрационный проект должен позволять изучать свойства алгоритмов машинного обучения и должен быть применим в рамках учебного процесса |
Исследование возможности создания системы генерации данных для экспериментов в сфере анализа данных.
Провести анализ основных подходов к генерации данных для моделей компьютерного зрения. Провести анализ основных подходов к генерации данных для моделей прогнозирования
Распознавание цвета автомобиля. Проведение сравнительного анализа нескольких методов.
| Обзор свободно доступных наборов данных. Сравнение передовых подходов (state-of-the-art). Построение модели распознавания |
Разработка демо приложения для распознавания модели автомобиля. Проведение сравнительного анализа нескольких методов
| Обзор свободно доступных наборов данных. Сравнение передовых подходов (state-of-the-art). Построение модели распознавания |
Оценка объема объекта/продукта по видеопотоку камеры. Движущийся объект, статичная камера.
| Провести анализ основных подходов к построению облака точек по видеопоследовательности с статически установленной однообъективной / много-объективной камеры. Объект перемещается под камерой, находясь на конвейерной ленте. Разработать модуль построения облака точек и 3D модели объекта с последующим вычислением объема. |
Оценка объема объекта/продукта по видеопотоку 2D камеры. Статичный объект, Движущаяся камера.
| Провести анализ основных подходов к построению облака точек по видеопоследовательности с движущейся однообъективной камеры. Камера движется вокруг объекта, объект всегда находится в поле зрения камеры. Разработать модуль построения облака точек и 3D модели объекта с последующим вычислением объема. |
Сравнительный анализ методов распознавания эмоций, пола и возраста по изображению лица. Сравнение передовых подходов (state-of-the-art).
Провести анализ известных методов распознавания эмоций, пола, возраста, определить ограничения методов
Сравнительный анализ методов трекинга объектов на основе детектирования объектов с решением коллизий.
| Задача подразумевает совместное использование результатов модели детектирования объектов с распознаванием объектов и последующим построением траектории движений, за счет чего должно выполняться устранение коллизий. Анализ передовых подходов (state-of-the-art). Реализация модуля с использованием предобученных моделей детектирования объектов. |
Ожидаемый результат
- Отчет о выполнении проекта по установленным требованиям;
- Демо приложение с исходным кодом, выполняющее задачи проекта;
- План внедрения результатов в учебном процессе - описание как и в каких курсах будут использованы результаты проекта;
- Учебные задания для курсовых, дипломных проектов;
- Учебные задания для выполнения в рамках курсов для практического закрепления навыков (комплексные лабораторные работы);
- Статьи и выступления на конференциях, если это применимо к результатам проекта;
- Технологии, применяемые при выполнении проектов: Java, Python, PostgreSQL, ReactJS и иные технологии, утвержденные при подготовке технического задания на проект.