Приглашаем студентов и аспирантов для выполнения курсовых, научно-исследовательских работ и ВКР

Анализ и прогнозирование временных рядов — важная и востребованная задача. Учебные курсы редко уделяют ей достаточно внимания, поэтому эта работа поможет заложить основы ключевых компетенций в данной области.

Малый бизнес чаще фокусируется на прогнозировании спроса, а не на анализе временных рядов. Однако структура данных такого рода может многое сказать о компонентах, вносящих существенный вклад в зависимости.

Крупные компании обычно применяют машинное обучение, пропуская этап базового анализа временных рядов. Это снижает точность и гибкость итоговых моделей.

Возможные подходы:

• Излечение признаков из изображений
• Эмбеддинги для изображений и языковых моделей
• Дообучение языковых моделей, нейронных сетей и трансформеров
• Классические методы ML
• Анализ статистических данных

Разработка серии взаимосвязанных веб-приложений ВКонтакте, посвящённых сбору и анализу психологических особенностей пользователей социальных сетей. Это возможность освоить современные веб-технологии и быстро запустить проект для реальной аудитории. Данный проект не включает в себя анализ данных и машинное обучение, но связан с выводом результатов разработок на платформу ВКонтакте!
Приложение ВКонтакте с психологическими тестами доступно в каталоге ВКонтакте с лета 2022 года, ежедневно его посещают от 450 до 4000 пользователей. В рамках проекта предполагается развитие функциональности действующего приложения.

Приложение изначально разработано для ускорения сбора датасетов с результатами психологических тестов в привязке к идентификационным данным респондентов. На основе этих датасетов строятся модели машинного обучения, которые автоматически оценивают психологические особенности пользователя, без прохождения им теста, на основе публикуемых им данных. Полученные результаты могут применяться в маркетинге, информационной безопасности и социологических исследованиях и т. д.

Большие языковые модели (LLM) позволяют расширить функциональность многих сервисов. Интеграция интеллектуальных помощников позволяет вывести сервисы на качественно новый уровень: от интерактивных вопросно-ответных систем до автоматизированного документооборота и персонализированного менторинга.

Данный трек связан как с разработкой AI-помощников, в частности на LLM Сбера — GigaChat, так и с исследованием возможностей их применения в различных задачах. В ходе работы участникам предстоит: работа с парсингом данных с открытых источников, разработка телеграм-ботов, проектирование архитектуры, автоматизация составления отчетов и их аналитика.

Основная цель проекта — создание современной системы профессиональной ориентации, использующей передовые методы анализа данных из социальных сетей. Мы стремимся разработать решение, которое сможет определять профессиональные склонности пользователей на основе их цифрового следа в интернете.

Проект предоставляет возможность разработать полезные и востребованные инструменты для профориентации с применением современных методов анализа данных и машинного обучения.

Анализ публикуемого контента — будь то аватары, фотографии с отпуска, анкетные данные или текстовые посты — позволяет оценить выраженность психологических особенностей пользователя. Для этого могут применяться специализированные методики и тесты, такие как диагностика темперамента, модель «Большой пятерки» (Big Five), анализ механизмов психологической защиты и другие.

Анализ публикуемого в социальных сетях контента позволяет выявлять личностные особенности пользователей, оценивать их устойчивость к социоинженерным атакам, прогнозировать реакции на различные воздействия и решать другие исследовательские задачи. Для такого анализа необходимо собирать и обрабатывать большие массивы данных. Социальная сеть «ВКонтакте» предлагает свой API для обращения к данным, для работы с которым существует множество библиотек на разных языках программирования, но они не заточены непосредственно под сбор данных.

В рамках проекта предлагается поучаствовать в разработке приложения для сбора данных по API «ВКонтакте», поддерживающего гибкий формат запросов и цепочки сложных запросов. Предполагается развитие функциональности существующего приложения.

Работа над проектом позволит прикоснуться к современным задачам анализа социальных сетей, освоить современные подходы к асинхронному программированию, получить навыки проектирования приложения. Полученные данные могут быть использованы в исследованиях, посвящённых анализу социальных сетей.

Приложение ВКонтакте с психологическими тестами доступно в каталоге ВКонтакте с лета 2022 года, ежедневно его посещают от 450 до 4000 пользователей. В рамках проекта предполагается развитие функциональности действующего приложения.

Приложение изначально разработано для ускорения сбора сбора датасетов с результатами психологических тестов в привязке к идентификационным данным респондентов. На основе этих датасетов строятся модели машинного обучения, которые автоматически оценивают психологические особенности пользователя, без прохождения им теста, на основе публикуемых им данных. Полученные результаты применяются в маркетинге, информационной безопасности и социологических исследованиях и т. д.

Сервис объединяет разнородные данные о стоимости и сроках доставки груза от более чем 40 транспортных компаний России и ближнего зарубежья. Анализируя параметры перевозимого груза, маршрут и данные о пунктах отправки и доставки, а также данные о дополнительных услугах, он формирует унифицированные предложения для удобного сравнения.

На данный момент сервис проходит стадию реорганизации с перспективой стать востребованным для большего числа пользователей.

Стоимость поездки на автомобиле определяется пройденным расстоянием и текущими ценами на топливо. Сегодня водители часто выбирают заправки по принципу жадной оптимизации — находя локально выгодные варианты на отдельных участках пути. Однако такой подход не всегда приводит к глобально оптимальному решению.

Сервис оценки стоимости пути в ближайшей перспективе будет оптимизировать стоимость прохождения маршрута за счёт выбора подходящих заправочных станций и объёма топлива, которое необходимо заправить на них.

Сервис отслеживания контейнеров — флагманский продукт проекта Сargotime.ru, ориентированный на клиентов логистических компаний, которым важно оперативно получать информацию о статусе своих грузов. Он не только собирает данные из множества источников, но и унифицирует их, предоставляя в удобном формате.

Сервис занимает второе место в поисковых выдачах Google по запросу «трекинг контейнеров» и пользуется популярностью у известных дистрибьюторов электроники и у автомобильных дилерских центров. Кроме того, продукт недавно вышел на международный рынок. Мы запустили аналог сервиса, ориентированный на западный рынок контейнерной логистики.

Сargotime.ru — это динамично развивающийся цифровой логистический проект, основная специализация которого — трекинг морских контейнеров в режиме реального времени. Глобальная цель проекта — оптимизация взаимодействия между логистическими компаниями и их клиентами.

Мы активно расширяем географию проектов, развиваем новые направления и внедряем передовые решения, чтобы предоставлять пользователям портала простой и удобный доступ к информации о грузах и о компаниях, которые их перевозят.

Среди учебных и производственных практик в основном преобладают технические работы, поскольку проект Cargotime.ru в первую очередь является веб-сервисом, который поддерживает сложную масштабируемую инфраструктуру, состоящую из более чем микросервисов. 

Распознавание автомобильного номера — классический пример задачи из области компьютерного зрения. Однако существующие решения, позволяющие достичь высокой точности, зачастую требуют значительных вычислительных мощностей и/или временных затрат. Мобильные же решения в основном представляют клиентские приложения, осуществляющих лишь видеозахват, а вычисления по поиску и распознаванию номера проводятся на сервере.

Данный проект направлен на создание автономного программного решения для мобильных устройств, способного с высокой точностью распознавать автомобильные номера в режиме реального времени.

Наша команда работает над развитием одной из LLM и мы ищем способного студента для проведения R&D. Данный трек нацелен на создание новых теоретических и практических решений в области генерации кода, вызова функций, анализа таблиц и разработки LLM-агентов.

Автоматизированная оптимизация подбора весов нейросетевых моделей является важным этапом, который может значительно повысить качество моделей без их структурного изменения. Для решения этой задачи могут использоваться несколько классических подходов, например SGD, Nesterov Optimization, Adam и другие.

Однако при исследовании подобных методов возникает несколько вопросов:

• Насколько велика разница в скорости работы?
• Насколько точно они могут находить точки оптимальных весов?
• Влияет ли распределение данных на попадание оптимизаторов в критическую область?

Сейчас особенно востребованы решения для ускорения процесса обучения моделей. Компетенции в данной области будут весьма полезны как для Data Scientist, так и для ML-инженеров.

Go (Golang) — современный язык программирования с мощной поддержкой конкурентного программирования через горутины и каналы, что позволяет эффективно обрабатывать тысячи одновременных запросов, что критически важно для серверных приложений.

Это особенно важно для серверных приложений, которые должны одновременно обрабатывать много пользователей или запросов. Благодаря легковесности горутин программисты могут писать высокопродуктивный и масштабируемый код.
Кроме того, возможности Go по созданию эффективных и компактных двоичных файлов делают развёртывание приложений простым и удобным. Это особенно ценится в облачных средах, где вес контейнеров может существенно влиять на производительность.

Разработка серверных приложений на Go сочетает в себе скорость, простоту и мощные возможности, что делает этот язык отличным инструментом для создания современных, высоконагруженных веб-приложений.

Если у Вас есть идея собственного проекта, и Вы хотите самостоятельно её реализовать, то Вы также можете присоединиться к нам.
Для подачи заявки нужно написать в поле «Дополнительное сообщение» краткое описание основной идеи проекта.