Кафедра прикладной кибернетики СПбГУ
Версия от 16:46, 1 ноября 2024; Kudryashova Elena V. (обсуждение | вклад)
Добро пожаловать на вики-страницу Кафедры прикладной кибернетики Математико-механического факультета СПбГУ!
Курсовые работы для студентов
Общие правила
- Если Вы пишете письмо на e-mail или в телеграм, обязательно представьтесь (ФИО, курс, название курсовой), иначе будете заблокированы как спам.
- Если Вы выбрали курсовую, согласуйте свой выбор с научным руководителем. Тема курсовой работы может быть уже выбрана другим студентом, в этом случае руководитель может предложить альтернативную тему.
- Обычно сдача курсовой происходит в несколько (4-5) итераций. После того, как вы сделали задание, научный руководитель высказывает замечания и отправляет курсовую на доработку (1-2 недели). Если Вы впервые вспомнили про сдачу курсовой в день зачета, то скорее всего Вы не успеете исправить работу и рискуете получить долг на сессии.
- Если в процессе выполнения работы у Вас возникли вопросы - задайте их научному руководителю. Рекомендуется встречаться с научным руководителем очно или по видеосвязи не реже раза в месяц.
- Контакты преподавателей можно найти на сайте кафедры.
Курс 1
Темы с уклоном в практику
- Распознавание образов с помощью Pytorch (Кудряшова Е.В.) - тема взята
- Рекуррентные нейронные сети (Мокаев Р.Н.)
- Оптимизации обучения нейросетей с помощью графических ускорителей (Кудряшова Е.В.) - тема взята
- Автоматическая генерация списка литературы (Лобачев М.Ю.)
- Контроль качества микросервисов (Благов М.В.*)
- Фреймворки для описания тестовых сценариев на естственном языке (Благов М.В.*)
- Сравнительный анализ инструментов автоматизированного тестирования с использованием нейросетевых моделей (Благов М.В.*) - тема взята
- Моделирование дискретных систем фазовой автоподстройки (Лобачев М.Ю.)
- Бифуркации одномерных дискретных систем (Лобачев М.Ю.)
- Анимация в Manim: от регулятора Уатта до скрытых аттракторов в цепи Чуа (Лобачев М.Ю.)
Темы с уклоном в теорию
- Структура и динамика аттракторных нейронных сетей (Мокаев Т.Н.)
- Оценка фрактальной размерности множеств с помощью нейронных сетей (Мокаев Т.Н.)
- Клеточные автоматы (Райтманн Ф.)
- Разделимость выпуклых конусов (Райтманн Ф.)
- Классические методы кластеризации (Мокаев Р.Н.)
Курс 2
Темы с уклоном в практику
- Распознавание образов с помощью Pytorch (Кудряшова Е.В.) - тема взята
- Рекуррентные нейронные сети (Мокаев Р.Н.)
- Робот-рука с присоской, как правильно прососаться (Юлдашев Р.В.)
- Гироскоп, как подобрать параметры МЭМС гироскопа (Юлдашев Р.В.)
- Использование LLM-моделей для генерации кода (Благов М.В.*) - тема взята
- Генерация тест кейсов на основе текстовой документации (Благов М.В.*) - тема взята
- Моделирование нейронных дифференциальных уравнений (Лобачев М.Ю.)
- Локализация аттракторов Лоренца и Чуа с помощью нейронных сетей (Лобачев М.Ю.)
Темы с уклоном в теорию
- Фрактальная размерность в Data mining (Мокаев Т.Н.)
- Неитеративное обучение нейронных сетей Хопфилда (Мокаев Т.Н.)
- Кластеризация на основе AI: C-means (Мокаев Р.Н.)
- Кластеризация на основе AI: нейронные сети Кохонена (Мокаев Р.Н.)
- Кластеризация на основе AI: генетические алгоритмы (Мокаев Р.Н.)
- Анализ неустойчивости дискретных неавтономных рекуррентных нейронных сетей (Райтманн Ф.)
- Градиентный спуск для функций с разрывами (Райтманн Ф.)
- Метод систем сравнения для оценки глобальной устойчивости маятниковых уравнений (Лобачев М.Ю.) - тема взята
- Контрпример к инженерному определению полосы удержания ФАП (Лобачев М.Ю.)
Курс 3
Темы с уклоном в практику
- Статический анализ кода средствами машинного обучения (Благов М.В.*)
- Методы машинного обучения для генерации тестовых сценариев (Благов М.В.*) - тема взята
- Создание нейронной сети для генерации и автоматизированного тестирования исполняемого кода (Благов М.В.*) - тема взята
- Инструменты для SQL-аналитики поверх аналитического хранилища (Благов М.В.)
- Методики управления данными (Data Governance) (Благов М.В.)
- Методы поиска связанных данных в аналитическом хранилище (Благов М.В.)
- Сравнительный анализ архитектур построения аналитических хранилищ (Благов М.В.)
- Алгоритмы оптимального и быстрого создания слепка с БД в аналитическом хранилище (Благов М.В.)
Темы с уклоном в теорию
- Бикластеризация: расстояние Кульбака-Лейблера (KL) vs. взвешенное расстояние Брэгмана (Мокаев Р.Н.)
- Прогнозирование цен на фондовом рынке методом опорных векторов с хаотической оптимизацией параметров (Мокаев Р.Н.)
- Hard and Soft Clustering with Bregman divergence (Мокаев Р.Н.)
- Глобальная устойчивость нейронных сетей с разрывными активационными функциями нейронов (Мокаев Т.Н.)
- Резервуарные вычисления и нейронные эхо-сети: теория, приложения и реализации (Мокаев Т.Н.)
- Нейронные системы с мгновенными импульсами (Райтманн Ф.)
- Инвариантные конусные сетки (Райтманн Ф.)
- Расширенный метод Малкина (Лобачев М.Ю.)
- Гипотеза Калмана и теорема Красовского (Лобачев М.Ю.)
- Скрытые аттракторы в динамике сердца и легких (Кузнецов Н.В.).
- Методы искусственного интеллекта в анализе и синтезе нелинейной динамики и управления в динамических системах (Кузнецов Н.В., Мокаев Т.Н.).
- Лемма ляпуновского типа для разрывной функции Ляпунова (Лобачев М.Ю.)
Курс 4 (ВКР)
Темы с уклоном в практику
Темы с уклоном в теорию
Конспекты
Полезные материалы
- VK группа кафедры прикладной кибернетики
- Сайт кафедры прикладной кибернетики
- Youtube-канал кафедры прикладной кибернетики
- Матрица Науки. "Исследования колебательных процессов" (фильм о Ведущей научной школе на кафедре), 2016
- Об учебе в Ведущей научной школе РФ на Кафедре прикладной кибернетики СПбГУ рассказывает выпускник кафедры, Санкт-Петербургские ведомости, 2021
- Городская премия в области кибернетики и искусственного интеллекта имени Г.А. Леонова - основателя Кафедры прикладной кибернетики СПбГУ
- Выступление проф. Н.В. Кузнецова о совместной программе подготовки студентов в области IT-технологий и искусственного интеллекта Кафедры прикладной кибернетики СПбГУ с компанией Юнидата на U-Day 2021