Differences

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

--- etc:users:kel:diplomas [2025/11/03 00:25] – kel
+++ etc:users:kel:diplomas [2025/11/27 14:52] (current) – kel
@@ Line 38: / Line 38: @@
   - внедрение адаптивного ПИД-регулятора в алгоритм переключения стратегии работы примитивов синхронизации
   - тестирование на различных пофилях нагрузки 3 выбранных СУБД с доработками адаптивными примитивами
-=== YDB ===
-<note important>Набор по теме временно приостановлен в связи с наполнением набора студентов у курирующего сотрудника со стороны Yandex</note>
-> //Технологии:// C++ / YDB / etcd / CMake / ...
-> //Пригодность:// бакалавр / магистр / НИР
-Yandex в качестве дипломных и практических работ поставляет [[https://ydb.tech/ru/students|ряд задач]] по [[https://ydb.tech/ru|YDB]]. Команда [[https://github.com/dorooleg|Олега Доронина]] (ведущий практик по || программированию) из Yandex поддерживает работу с дипломником и обеспечивает экспертизу в указанной области
-  * Разработка новой функциональности и улучшений в SDK на языках: [[https://github.com/ydb-platform/ydb-go-sdk/issues?q=is%3Aopen+is%3Aissue+label%3Astudent-projects|Go]] [[https://github.com/ydb-platform/ydb-java-sdk/issues?q=is%3Aopen+is%3Aissue+label%3Astudent-projects|Java]] [[https://github.com/ydb-platform/ydb-python-sdk/issues|Python]] [[https://github.com/ydb-platform/ydb/issues?q=is%3Aopen+is%3Aissue+label%3Aarea%2Fcli|C++]]
-  * [[https://github.com/ydb-platform/ydb/wiki/Student-Projects#implementation-apache-nifi-ydb-sink|Разработка NoSQL-адаптера к СУБД ydb на основе протокола etcd: необходимо реализовать протокол etcd на основе YDB (активно используется GRPC), сохранив производительность и иные заданные параметры системы]]
-  * [[https://github.com/ydb-platform/ydb/issues?q=is%3Aopen+is%3Aissue+label%3Aarea%2Fcli|Интеграция R7 office и YDB]]
-  * [[https://github.com/ydb-platform/ydb/issues?q=is%3Aopen+is%3Aissue+label%3Aarea%2Fcli|Поддержка новых федеративных источников на Go (как PostgreSQL, MySQL, MS и т.д.)]]
-  * **Кеширование прочитанных данных из S3.** В YDB федеративных запросах поддерживается чтение из внешнего источника [[https://en.wikipedia.org/wiki/Amazon_S3|S3]]. Чтение данных из такого источника может быть медленным, а также данные в нем могут храниться в неструктурированном виде json,csv,xml,raw и даже в сжатом представлении. Предлагается в качестве НИР разработать кеширование на диске прочитанных данных в уже подготовленном и разжатом виде для усорения и минимизации накладных расходов при повторном чтении таких данных.
-  * **Автоскейлинг потоковых запросов.** Внутри сервиса [[https://yandex.cloud/ru/services/query|Yandex Query]] поддерживаются потоковые запросы, обработка в которых является бесконечной. Источниками в таких запросах являются бесконечные очереди сообщений. Для обеспечения отказоустойчивости и гарантий доставки данных используются так называемые [[https://nightlies.apache.org/flink/flink-docs-master/docs/dev/datastream/fault-tolerance/checkpointing/|чекпоинты]]. Но при этом в процессе работы таких запросов может увеличиться объем поступаемых данных и в этом случае нужно иметь механизмы для оценки и масштабирования запросов (в том числе и состояний которые сохраняются при прохождении чекпонитов)
-  * **Планировщик для запуска запросов в YQ.** Некоторые системы поддерживаются запуск запросов по расписписания (аля [[https://en.wikipedia.org/wiki/Cron|cron]]). Примером такой системы является [[https://docs.snowflake.com/en/user-guide/tasks-intro|snowflake]]. В работе предлагается провести исследование существующих систем которые предлагают похожие решение. На основе этого анализа предложить варианты решения для Yandex Query и разработать прототип для предложенного решения.
-  * **Продвинутый планировщик который учитывает локальный плейсинг с учетом доступных ресурсов для потоковых запросов.** Текущая реализация алгоритма планирования либо умеет явно заселять запрос на один хост или же заселять с учетом доступной памяти. Такие стратегии не всегда эффективны с точки зрения использования ресурсов. Предлагается учитывать струтктуру графов чтобы минимизировать число перессылок и учитывать другие потребляемые ресурсы при планировании CPU/Mem/Net
 ==== Психология: case analysis ====
@@ Line 60: / Line 44: @@
 Во взаимодействии со специалистом предметной области психологии решения конфликтных ситуаций/лидерства и т.п. требуется разработать прототип системы поддержки оценки работы обучающихся в группах. Система содержит как инфраструктурную часть с порталом/материалами/авторизацией..., так и интеллектуальную часть:
-  - деление по голосам
+  - Деление по голосам
-  - анализ поведения
+  - Анализ поведения
-  - скорее всего, дообучение имеющихся моделей
+  - Скорее всего, дообучение имеющихся моделей
-  - создание рекомендаций и подбор подходящего стила поведения для конкретного обучающегося
+  - Создание рекомендаций и подбор подходящего стила поведения для конкретного обучающегося
   - ...
+Ниже описание 2 составных частей проекта и примерное описание бизнес-процесса.
+=== Менеджмент, Обучение: Анализ и Оценка Групповых Дискуссий ===
+> {{ :etc:users:kel:business_process_for_class_participation_ai_project.docx | Доп. описание}}
+Требуется разработать прототип системы для оценки качества участия в дискуссии членов команды и/или студентов в классе и группе. Необходимо создать портал для сбора данных и управления оценкой: размещение списков группы, описание критериев оценки, анализ и оценка качества участия, предоставление индивидуальной обратной связи.
+  - Деление по голосам
+  - Анализ участия в дискуссии: количество времени относительно других участников, соответствие реплик теме дискуссии, возможно, качество/поведение – тон, соблюдение пауз, голосовые модуляции.
+  - Предоставление анализа дискуссии
+  - Создание индивидуальных рекомендаций для улучшения коммуникативных навыков.
+  - Дообучение моделей, использование ИИ.
+=== Менеджмент, Консалтинг: Анализ и Решение Проблемных Ситуаций ===
+Требуется разработать прототип программы для решения проблемных ситуаций, связанных с межличностными конфликтами, повышением мотивации сотрудников, строительством команд. Необходимо создать ИИ приложение, которое предлагает решение проблемы, учитывая (1) личностные характеристики пользователя (интровертивность, предпочтения/стиль разрешения конфликтов), (2) внешние характеристики (организационная культура) (3) доступные рекомендации консультантов и ученых. Возможно подключение дополнительные функции (сбор и аннотация онлайн презентаций, интервью, блогов), покупка статей, книг по ссылке.
+  - Разработка ИИ приложения удобного в пользовании, с частично преустановленными данными (статьи по теме), а также с возможностью добавления данных пользователем.
+  - Разработка оптимальной структуры приложения (прототипы).
+  - Дообучение модели, с целью достижения оптимального (и научно обоснованного) подхода к анализу проблеммы.
+  - Разработка и дообучение модели для тренировки поведения и ведения «трудных разговоров» в рамках ролевой игры.
+==== Логистика и маршрутизация: построение маршрутов БПЛА ====
+> //Технологии:// алгоритмы / Python / C++ / ГеоИнформационныеСистемы / ...
+> //Пригодность:// бакалавр / магистр
+При доставке грузов автономными БПЛА в ходе расчёта маршрута доставки требуется учитывать различные факторы:
+  - Бесполётные зоны
+  - Погодные факторы во времени на разных высотах
+  - Технические ограничения конкретного БПЛА
+  - ...
+По аналогии с существующими алгоритмами, использующимимся при построении маршрутов автотранспорта (A*, его модификации, а также иные эвристические алгоритмы) требуется:
+  - Провести прототипирование и сравнительный анализ применимости по различным критериям (в том числе времени вычислений) классов алгоритмов A* с модификациями, муравьиных и генетических алгоритмов
+  - Привнести в учёт эвристик погодные факторы, меняющиеся во времени
+  - На основе проведённых исследований, разработать прототип системы построения маршрутов с визуализацией построенного маршрута и его характеристик
+  - Решить задачу выбора оптимального по заданным критериям времени старта БПЛА
+  - Рассмотреть возможность и применимость моделей машинного обучения для решения задачи
 ==== На уровне идей (конференции...) ====
@@ Line 147: / Line 168: @@
 Средство развивается мало с 2017 года, но применяется в связке с NS-3. Хорошая практика работы со стеком технологий со средним порогом вхождения
+=== YDB ===
+<note important>Набор по теме временно приостановлен в связи с наполнением набора студентов у курирующего сотрудника со стороны Yandex</note>
+> //Технологии:// C++ / YDB / etcd / CMake / ...
+> //Пригодность:// бакалавр / магистр / НИР
+Yandex в качестве дипломных и практических работ поставляет [[https://ydb.tech/ru/students|ряд задач]] по [[https://ydb.tech/ru|YDB]]. Команда [[https://github.com/dorooleg|Олега Доронина]] (ведущий практик по || программированию) из Yandex поддерживает работу с дипломником и обеспечивает экспертизу в указанной области
+  * Разработка новой функциональности и улучшений в SDK на языках: [[https://github.com/ydb-platform/ydb-go-sdk/issues?q=is%3Aopen+is%3Aissue+label%3Astudent-projects|Go]] [[https://github.com/ydb-platform/ydb-java-sdk/issues?q=is%3Aopen+is%3Aissue+label%3Astudent-projects|Java]] [[https://github.com/ydb-platform/ydb-python-sdk/issues|Python]] [[https://github.com/ydb-platform/ydb/issues?q=is%3Aopen+is%3Aissue+label%3Aarea%2Fcli|C++]]
+  * [[https://github.com/ydb-platform/ydb/wiki/Student-Projects#implementation-apache-nifi-ydb-sink|Разработка NoSQL-адаптера к СУБД ydb на основе протокола etcd: необходимо реализовать протокол etcd на основе YDB (активно используется GRPC), сохранив производительность и иные заданные параметры системы]]
+  * [[https://github.com/ydb-platform/ydb/issues?q=is%3Aopen+is%3Aissue+label%3Aarea%2Fcli|Интеграция R7 office и YDB]]
+  * [[https://github.com/ydb-platform/ydb/issues?q=is%3Aopen+is%3Aissue+label%3Aarea%2Fcli|Поддержка новых федеративных источников на Go (как PostgreSQL, MySQL, MS и т.д.)]]
+  * **Кеширование прочитанных данных из S3.** В YDB федеративных запросах поддерживается чтение из внешнего источника [[https://en.wikipedia.org/wiki/Amazon_S3|S3]]. Чтение данных из такого источника может быть медленным, а также данные в нем могут храниться в неструктурированном виде json,csv,xml,raw и даже в сжатом представлении. Предлагается в качестве НИР разработать кеширование на диске прочитанных данных в уже подготовленном и разжатом виде для усорения и минимизации накладных расходов при повторном чтении таких данных.
+  * **Автоскейлинг потоковых запросов.** Внутри сервиса [[https://yandex.cloud/ru/services/query|Yandex Query]] поддерживаются потоковые запросы, обработка в которых является бесконечной. Источниками в таких запросах являются бесконечные очереди сообщений. Для обеспечения отказоустойчивости и гарантий доставки данных используются так называемые [[https://nightlies.apache.org/flink/flink-docs-master/docs/dev/datastream/fault-tolerance/checkpointing/|чекпоинты]]. Но при этом в процессе работы таких запросов может увеличиться объем поступаемых данных и в этом случае нужно иметь механизмы для оценки и масштабирования запросов (в том числе и состояний которые сохраняются при прохождении чекпонитов)
+  * **Планировщик для запуска запросов в YQ.** Некоторые системы поддерживаются запуск запросов по расписписания (аля [[https://en.wikipedia.org/wiki/Cron|cron]]). Примером такой системы является [[https://docs.snowflake.com/en/user-guide/tasks-intro|snowflake]]. В работе предлагается провести исследование существующих систем которые предлагают похожие решение. На основе этого анализа предложить варианты решения для Yandex Query и разработать прототип для предложенного решения.
+  * **Продвинутый планировщик который учитывает локальный плейсинг с учетом доступных ресурсов для потоковых запросов.** Текущая реализация алгоритма планирования либо умеет явно заселять запрос на один хост или же заселять с учетом доступной памяти. Такие стратегии не всегда эффективны с точки зрения использования ресурсов. Предлагается учитывать струтктуру графов чтобы минимизировать число перессылок и учитывать другие потребляемые ресурсы при планировании CPU/Mem/Net