«"on humanististen ja teknisten erikoisalojen kandidaattien ja maisterien kilpailu. Sen järjestävät suuret venäläiset IT-yritykset ja maan vahvimmat yliopistot, mukaan lukien ITMO University. Tänään puhumme olympialaisten tavoitteista ja kahdesta yliopistomme valvomasta osa-alueesta - "Big Data" ja "Robotics" (muista - seuraavissa habratoopioissamme).
Katso: /unsplash.com
Muutama sana olympialaisista
Tähtää. Arvioi opiskelijoiden tietoja ja tutustuttaa heidät työnantajien vaatimuksiin. Opiskelija kehittyy valitsemallaan tieteenalalla työskentelemällä kansainvälisissä yrityksissä. Myös työnantaja hyötyy - hänen ei tarvitse rekisteröidä koulutettuja asiantuntijoita uudelleen ja tervehtiä uusia työntekijöitä lauseella: "Unohda kaikki, mitä yliopistossa opetettiin."
Miksi osallistua? Voittajat päästä Venäjän yliopistoihin ilman kokeita. Voit saada harjoittelupaikan Yandexissä, Sberbankissa, IBS:ssä, Mail.ru:ssa ja muissa suurissa yrityksissä. Viime vuonna tarjouksia venäläisiltä yrityksiltä yli neljäsataa parasta osallistujaa. Myös itsensä todistaneet opiskelijat voivat vierailla .
Kuka osallistuu? Opiskelijat kaikilla erikoisuuksilla - tekniset, humanistiset ja luonnontieteet. Valmistuneiden lisäksi jatko-opiskelijoita, ulkomaisten yliopistojen asukkaita ja opiskelijoita.
Tapahtuman muoto. Ilmoittautua voi 18. asti. Online-karsintavaihe järjestetään 22. marraskuuta - 8. joulukuuta, mutta voit ohittaa sen, jos suoritat vähintään kaksi . Karsintakierroksen voittajat etenevät sisäisissä kilpailuissa suurimmissa yliopistoissa eri puolilla maata, jotka on suunniteltu tammi-maaliskuulle. "I am a Professional" -olympiadin tulokset julkaistaan huhtikuussa .
Tänä vuonna olympialaiset sisältävät 68 aluetta. ITMO-yliopiston asiantuntijat valvovat viittä niistä: "Photonics", "Information and Cyber Security", "Ohjelmointi ja tietotekniikat" sekä "Big Data" ja "Robotiikka". Kerromme lisää kahdesta viimeisestä.
Suuri data
Tämä alue kattaa kaikki Big Datan elinkaaren teknologiat, mukaan lukien niiden keräämisen, tallennuksen, käsittelyn, mallintamisen ja tulkinnan. Voittajat pääsevät ITMO-yliopiston maisteriohjelmaan ilman tenttejä seuraaviin ohjelmiin: "Soveltava matematiikka ja informatiikka", "Digitaalinen terveys", "Big Data Financial Technologies" ja .
Osallistujilla on myös mahdollisuus harjoitella datatieteilijän ja datainsinöörin erikoisaloilla kumppaniyrityksissä. Näitä ovat National Center for Cognitive Research, Mail.ru, Gazpromneft STC, Rosneft, Sberbank ja ER-Telecom.
”Big datan ala on viime vuosina kasvanut suositummaksi. Ensisijaisen tiedonkeruun ja -tallennustekniikat kehittyvät, uusia digitaalisia mekanismeja on syntymässä (IoT:n ja sosiaalisten verkostojen alalla) aiemmin havaitsemattomien prosessien tallentamiseen”, kommentoi johtaja Alexander Valerievich Bukhanovsky. ITMO-yliopisto. "Samalla kiinnitetään huomiota paitsi tiedon tallennus- ja käyttöprosessin organisointiin, myös päätelmien ja päätösten perustelemiseen sekä ennakoivien mallien luomiseen."
Millaisia tehtäviä tulee olemaan? Joukkue valmistelee niitä ITMO-yliopisto. Niissä otetaan huomioon se, että Big Datan asiantuntijalla tulee olla perustiedot todennäköisyysteoriasta ja matemaattisesta tilastosta sekä koneoppimisesta. Ymmärrät nykyaikaisten tekoälyjärjestelmien logiikan ja metodologian ja puhut R-, Java-, Scala-, Python- tai muita työkaluja käytännön ongelmien ratkaisemiseen.
Alla annamme esimerkin ongelmasta yhdestä olympian vaiheista.
Esimerkkitehtävä: Klusterissa on 50 palvelinta, joista jokaisessa on 12 vapaata ydintä. Resurssit kartoittajien ja vähentäjien välillä jaetaan uudelleen dynaamisesti (resurssien tiukkaa jakoa ei ole). Kirjoita, kuinka monta minuuttia MapReduce-tehtävää, joka vaatii 1000 kartoittajaa, suoritetaan tällaisessa klusterissa. Tässä tapauksessa yhden kartoittajan toiminta-aika on 20 minuuttia. Jos jätät tehtävään vain yhden pienentimen, se käsittelee kaikki tiedot 1 minuutissa. Vastaus hyväksytään yhden desimaalin tarkkuudella.
44.6
B. 43.2
C. 41.6
D. 50.0Oikea vastausC
Kuinka valmistautua. Voit aloittaa seuraavista resursseista:
- . Siitä voi olla hyötyä itsenäisessä työssä lähdekoodien kanssa ongelmien ratkaisemiseksi.
- . Perusteos kertoo, miksi todennäköisyysmallit tarvitsevat sellaisen matemaattisen konstruktin kuin σ-algebra.
- . Yksinkertainen ja hyödyllinen kirja, joka hahmottaa satunnaisten tapahtumien todennäköisyyslaskennan perusteet.
Useita muita saatavilla olevia kirjoja sovellettavista tilastoista eri toimialoilla. Heidän kirjoittajansa selittävät yksinkertaisesti mutta tehokkaasti piste- ja intervalliarviointiongelmien ratkaisulogiikan:
Viitteet
Tietoa löytyy myös temaattisilta kursseilta olympialaisten nettisivuilla.
robotiikka
Robotiikka yhdistää tieteenaloja, kuten algoritmeja, elektroniikkaa ja mekaniikkaa. Tämä suunta kannattaa valita niille, jotka jo opiskelevat tai valmistautuvat ohjelmistotekniikan, soveltavan mekaniikan, soveltavan matematiikan ja tietojenkäsittelytieteen tai elektroniikkatekniikan maisteri- ja jatko-ohjelmiin. Todistetut opiskelijat voivat ilmoittautua ohjelmiin ilmaiseksi """"Ja""yliopistomme.
Millaisia tehtäviä tulee olemaan? Maisteri- ja kandidaattiopiskelijat ratkaisevat erilaisia tehtäviä. Kaikki tehtävät kuitenkin testaavat monimutkaista ohjausteorian, tiedonkäsittelyn ja robottimallinnuksen tietämystä. Osallistujia pyydetään esimerkiksi tarkistamaan järjestelmän vakaus tai ohjattavuus, valitsemaan rakenne tai laskemaan säätimen kertoimet.
"Meidän on ratkaistava suora tai käänteinen kinematiikkaongelma liikkuvalle tai manipuloivalle robotille, työskenneltävä järjestelmän Jacobian kanssa ja etsittävä tasapainotusmomentteja nivelistä tietyn ulkoisen kuormituksen alaisena", sanoo apulaisjohtaja Sergei Alekseevich Koljubin. ITMOssa. "Tulee ohjelmointitehtäviä - pitää kirjoittaa pieni ohjelma robotin mallintamiseen tai lentoratojen suunnitteluun Pythonilla tai C++:lla."
Lopussa opiskelijoiden tulee ohjelmoida robotti suorittamaan tehtäviä yhteistyökumppaneilta: Venäjän rautatiet, Diakont, KUKA jne. Projektit liittyvät maalla ja ilmassa toimiviin droneihin sekä yhteistyöroboteihin, jotka työskentelevät fyysisen kontaktin olosuhteissa. ympäristöön. Kilpailun muoto on samanlainen . Ensin opiskelijat työskentelevät simulaattorilla ja sitten todellisella laitteistolla.
Seuraavaksi tarkastelemme useita vaihtoehtoja opiskelijoiden mahdollisesti kohtaamille robotiikka-alan tehtäville. Tässä on esimerkkejä maisteriohjelmiin hakijoille:
Esimerkkitehtävä #1: Autojen kinematiikkarobotti liikkuu lineaarisella nopeudella v=0,3 m/s. Ohjauspyörää käännetään kulmaan w=0,2 rad. Jos robotin pyörien säde on r=0,02 m ja robotin pituus ja raide ovat L=0,3 m ja d=0,2 m, vastaavasti, mikä on kunkin takapyörän kulmanopeus w1 ja w2, ilmaistuna rad/s ?
Kirjoita vastauksesi kahden välilyönnillä erotetun luvun muodossa toisen desimaalin tarkkuudella etumerkki huomioiden.Esimerkkitehtävä #2: Mikä voi olla merkki astatismista suljetussa järjestelmässä suhteessa referenssivaikutukseen, jos analyysi tehdään järjestelmän rakennekaavion mukaan?
jaksollisten linkkien läsnäolo avoimessa piirissä;
ihanteellisten integrointilinkkien läsnäolo avoimessa silmukassa;
värähtelevien ja konservatiivisten linkkien läsnäolo avoimessa piirissä.
Tässä on ongelmia tutkijakouluun tai residenssiin saapuville:
Esimerkkitehtävä #1: Kuvassa on robottimanipulaattori redundantilla kinematiikalla ja 7 kiertonivelellä. Kuvassa robotin kantakoordinaattijärjestelmä {s}, jossa y-akselin vektori on kohtisuorassa sivutasoon nähden, koordinaattijärjestelmä {b} yhdistettynä laippaan ja kollineaarinen kanssa {s}. Robotti on kuvattu konfiguraatiossa, jossa kaikkien linkkien kulmakoordinaatit ovat yhtä kuin 0. Seitsemän kinemaattisen parin kierteiset akselit on esitetty kuvassa (positiivinen vastapäivään). Liitosten 2, 4 ja 6 akselit ovat samassa suunnassa, liitosten 1, 3 5 ja 7 akselit ovat identtisiä kannan alkukoordinaatiston akselien kanssa. Linkin koot L1 = 0,34 m, L2 = 0,4 m, L3 = 0,4 m ja L4 = 0,15 m.
Esimerkkitehtävä #2: Hiukkassuodattimiin perustuvan mobiilirobottien SLAM-algoritmin vakaamman toiminnan varmistamiseksi kehittäjät päättivät käyttää uudelleennäytteenottopyörän uudelleennäytteenottoalgoritmia. Algoritmin toiminnan tietyssä vaiheessa muistiin jäi 5 ”partikkelin” näyte painoilla w(1) = 0,5, w(2) = 1,2, w(3) = 1,5, w(4) = 1,0. 5 ja w(0,8) = XNUMX. Millä tehokkaan otoskoon vähimmäiskynnysarvolla tietyssä iteraatiossa uudelleennäytteenottomekanismi käynnistetään. Kirjoita vastauksesi desimaalimuodossa yhden desimaalin tarkkuudella.
Kuinka valmistautua. Voit arvioida osaamistasi ja tulevaisuudennäkymiäsi tarkistuslistan avulla. Robotiikka-ainekurssiin osallistuvien tulee:
- Tunne robottimallinnuksen periaatteet, nykyaikaisten antureiden ominaisuudet ja menetelmät aistitiedon saamiseksi.
- Tunne ja osaa soveltaa käytännössä menetelmiä ja algoritmeja liikeradan suunnitteluun ja automaattiseen ohjaukseen sekä aistitietojen käsittelyyn.
- Sinulla on strukturoidun ja olioohjelmoinnin taidot. Pystyt työskentelemään robottijärjestelmien kehitysympäristöissä.
- Tunne nykyaikaisten robottien laskenta-osan, käyttölaitteiden ja antureiden periaatteet, keskeiset ominaisuudet ja toimintaominaisuudet. Sinulla on taidot suunnitella ja toteuttaa kokeita.
Voit "kiristää" minkä tahansa alueen, johon voit kiinnittää huomiota . Siellä käsitellään joitain aikaisempien olympialaisten ongelmia. Siellä on myös erikoiskirjallisuutta, esim.
Lisää kirjoja
Ja verkkokurssit Openedusta, Courserasta ja Edxistä
Lisätietoa olympialaisista:
Lähde: will.com