ИНДИВИДУАЛЬНОЕ ЗАДАНИЕ
Направление подготовки: 09.03.03 Прикладная информатика
Направленность (профиль) Искусственный интеллект и анализ данных
Вид практики производственная практика
Тип практики Эксплуатационная практика
|
Период практики
|
Содержание работ
|
Формируемые компетенции
|
Отметка о выполнении
|
|
|
Виды проделанной работы, результаты которой необходимо отразить в отчете:
|
|
За неделю до начала практики
|
– оформить документы на практику, ознакомление с требованиями по прохождению практики и правилами оформления документов по практике.
– получить индивидуальное план-задание прохождения практики от руководителя практики от Университета
– согласовать план-задание с руководителем профильной организации
|
ПК-7
|
вып.
|
|
1-2 неделя
|
– Организовать рабочее место в рамках организации. Ознакомиться с правилами внутреннего трудового распорядка организации.
– Пройти инструктаж по технике безопасности и правилах поведения при возникновении нештатных ситуаций.
– Выбрать предметную область для практического применения нейронной сети из предоставленного в программе практики списка, или согласовать свой вариант предметной области с руководителем практики.
– Провести анализ теоретических аспектов создания нейросетей в выбранной предметной области с использованием современной литературы и интернет-источников.
– Выбрать и при необходимости развернуть среду разработки нейросетевого решения с использованием языка программирования Python на ПК. Установить требуемые для работы с нейронными сетями в выбранной предметной области библиотеки. Использование других языков программирование возможно, по согласованию с руководителем практики.
– Произвести проектирование первого варианта рабочей нейронной сети. Описать требуемые слои и обосновать необходимость этих слоёв. Необходимо произвести математический расчёт работы слоёв, с использованием описывающих их работу математических формул, а так же объяснить принципы их работы с использованием диаграмм, графиков или схем.
– Рассчитать скорость обучения нейросети как функцию от её топологии, понять сколько по времени учится первый вариант сети и что произойдёт со скоростью обучения если изменить количество слоёв или их внутренние настройки. Представить соответствующие расчёты в соответствующем разделе работы.
|
ПК-7
|
вып.
|
|
3-4 неделя
|
– Произвести окончательный выбор топологии сети, создать её слои.
– Произвести экспериментальный подбор характеристик сети (число слоев, число блоков в скрытых слоях, наличие или отсутствие обходных соединений, передаточные функции нейронов).
– Найти данные для обучения нейронной сети, соответствующие выбранной предметной области.
– Подготовить данные к работе с нейронной сетью. По необходимости, организовать эти данные в виде соответствующих объектов-загрузчиков. Применить к этим данным необходимые трансформации, включая такие возможные варианты, как векторизация, нормализация, преобразование в тензоры итд.
|
ПК-1, ПК-8
|
вып.
|
|
5 неделя
|
– Произвести обучение нейросети на основе обучающей выборки.
– Выбрать способ оценки того, насколько хорошо сеть справляется с задачами.
– Рассчитать количество потерь в тренировке и произвести их минимизацию.
– Проверить адекватность обучения с точки зрения конкретной предметной области.
– Добиться базового уровня эффективности работы нейронной сети в выбранной предметной области. Достаточным считается уровень рейтинга accuracy >= 70. Если в конкретной предметной области оценка Accuracy не имеет смысла, то согласовать с руководителем практики альтернативный способ оценки и требуемый уровень точности.
|
ПК-1, ПК-8
|
вып.
|
|
6 неделя
|
– Разработать предположения о возможностях улучшения архитектуры нейронной сети для нужд выбранной предметной области
– Реализовать, обучить и протестировать один или несколько вариантов таких улучшений
|
ПК-1, ПК-8
|
вып.
|
|
Защита итогов практики, отраженных в отчете – в соответствии с расписанием
|
– Оформить отчет по практике. Разместить отчет по практике и созданные файлы в соответствующем разделе Электронного университета.
– Защита итогов практики, отраженных в отчете – в соответствии с расписанием.
|
ПК-1, ПК-7
|
|
Планируемые результаты практики
|
Коды
компетенций
|
Содержание компетенции
|
|
ПК-1
|
Способность разработки прикладного программного обеспечения, автоматизации работы с базами данных и документами, программирования бизнес-логики приложений, интеграции разнородных данных
|
|
ПК-7
|
Способностью использовать отечественные и международные стандарты при проектировании и обеспечении качества прикладного программного обеспечения
|
|
ПК-8
|
Способность выполнять интеллектуальный анализ больших данных
|
Планируемые результаты практики, соотнесенные с планируемыми результатами освоения образовательной программы
|
Код и наименование профессиональной компетенции выпускника программы бакалавриата
|
Код и наименование индикатора достижения профессиональной компетенции
|
|
ПК-1. Способность разработки прикладного программного обеспечения, автоматизации работы с базами данных и документами, программирования бизнес-логики приложений, интеграции разнородных данных
|
ПК-1.1.
Знает технологии программирования прикладного программного обеспечения и бизнес-логики приложений
ПК-1.2.
Умеет разрабатывать и конфигурировать прикладное программное обеспечение.
ПК-1.3.
Владеет навыками автоматизации решения типовых задач, работы с базами данных и документами, интеграции разнородных данных в корпоративных информационных системах.
|
|
ПК-7. Способностью использовать отечественные и международные стандарты при проектировании и обеспечении качества прикладного программного обеспечения
|
ПК-7.1.
Знает правовые нормы, действующего законодательства, отечественные и международные стандарты в области информационных систем и технологий
ПК-7.2.
Умеет использовать нормативно-правовые документы, международные и отечественные стандарты при решении стандартных проблем, возникающих в
профессиональной деятельности.
ПК-7.3.
Владеет навыками в объеме, позволяющем использовать и составлять нормативно-правовые документы в своей профессиональной деятельности.
|
|
ПК-8 Способность выполнять интеллектуальный анализ больших данных
|
ПК-8.1
Знать методы и инструментальные средства интеллектуального анализа больших данных
ПК-8.2
Уметь выбирать средства предствления результатов аналитики больших данных
ПК-8.3
Владеть техническими, программными средствами для разработки алгоритмов и программ в области интеллектуального анализа данных
|
Прим.: Перечень представленных заданий может быть изменен или дополнен в соответствие с профилем организации и фактическими служебными поручениями. Индивидуальное задание составляется руководителем практики от университета и согласовывается с руководителем практики от организации.
Приложение
Варианты предметных областей
1. Применение нейронных сетей для анализа текста
2. Применение нейронных сетей для анализа темы текста
3. Применение нейронных сетей для кредитного скоринга
4. Применение нейронных сетей для обработки терминологической информации из научно-технических текстов
5. Применение нейронных сетей для анализа мнений пользователей Интернет-ресурсов
6. Применение нейронных сетей для составления музыкальных рекомендаций
7. Применение нейронных сетей для анализа информации из социальной сети
8. Применение нейронных сетей для сбора данных с платформ по поиску вакансий
9. Применение нейронных сетей для составления предложений по аренде жилья
10. Применение нейронных сетей для анализа котировок валют
11. Применение нейронных сетей для оценки дорожной ситуации
12. Применение нейронных сетей для определения запрещённого на территории страны контента
13. Применение нейронных сетей для анализа корпоративных новостей
14. Применение нейронных сетей для генерации постов в социальных сетях
15. Применение нейронных сетей для прогнозирования потребности в кадровых ресурсах
16. Применение нейронных сетей для анализа доходности биржевых акций
17. Применение нейронных сетей для продвижения банковских продуктов
18. Применение нейронных сетей для анализа клиентского оттока
19. Применение нейронных сетей для классификации изображений
20. Применение нейронных сетей для сегментации изображения/видео
21. Применение нейронных сетей для распознавания позы человека
22. Применение нейронных сетей для колоризации изображения/видео
23. Применение нейронных сетей для анализа тональности сообщений в социальных сетях
24. Применение нейронных сетей для детектирования перемещения объектов в режиме реального времени
25. Применение нейронных сетей для поиска и идентификации товаров
26. Применение нейронных сетей для создания словаря для близкородственных языков
27. Применение ансамблевых методов для детектирования объектов на фото
28. Применение нейронных сетей для анализа бизнес-процессов банка
29. Применение нейронных сетей для предсказания будущих действий на смартфоне
30. Применение нейронных сетей для предсказания времени поломки оборудования
31. Применение нейронных сетей для предсказания поведения стоимости портфеля акций
32. Применение нейронных сетей для прогнозирования кредитного дефолта
33. Применение нейронных сетей для проектирования оптимального дорожного маршрута
34. Применение нейронных сетей для создания произведений искусства
35. Применение нейронных сетей для визуального картирования и локализации
36. Применение нейронных сетей для автоматического определения и исправления опечаток в учебных текстах
37. Применение нейронных сетей для обнаружения некорректной и ненормативной лексики
38. Применение нейронных сетей для автоматической проверки фактов и высказываний
39. Применение нейронных сетей для анализа данных движений глаз
40. Применение нейронных сетей для диагностики заболеваний
41. Применение нейронных сетей для оценки качества перевода литературных текстов
42. Применение нейронных сетей для рекомендации товаров и услуг
43. Применение нейронных сетей для генерации музыки
44. Применение нейронных сетей для определения местоположения через мобильные устройства
45. Применение нейронных сетей для планирования шахматных ходов
46. Применение нейронных сетей для трехмерной реконструкции лица
47. Применение нейронных сетей для распознавания/синтеза речи
48. Применение нейронных сетей для тренировки произношения
49. Применение нейронных сетей для распознавания жестов
50. Применение нейронных сетей для исследования взаимодействия сотрудников в организации
51. Применение нейронных сетей для нахождения сообществ в социальных сетях
52. Применение нейронных сетей для моделирования распространения влияния
53. Применение нейронных сетей для моделирования социальных процессов
54. Применение нейронных сетей для анализа публикационной активности
55. Применение нейронных сетей для анализа данных в области образования
56. Применение нейронных сетей для анализа поведения игроков компьютерных игр
57. Применение нейронных сетей для анализа медицинской информации
58. Применение нейронных сетей для реконструкции трехмерной сцены по фото/видео
59. Применение нейронных сетей для анализа распространения информации в социальных сетях
60. Применение нейронных сетей для имитации человеческой речи (звук)
61. Применение нейронных сетей для имитации человеческой речи в сообщениях в социальных сетях
62. Применение нейронных сетей для преобразования видео в текст
63. Применение нейронных сетей для поиска изображений по описанию
64. Применение нейронных сетей для определения и идентификации лиц на фотографии |