«" je natjecanje za studente preddiplomskih i diplomskih studija humanističkih i inženjerskih znanosti. Organiziraju ga velike ruske IT tvrtke i vodeća sveučilišta u zemlji, uključujući Sveučilište ITMO. Danas ćemo raspravljati o ciljevima Olimpijade i dvama područjima koja naše sveučilište nadgleda - velikim podacima i robotici (ostala ćemo obraditi u našim budućim temama o Habri).
Prikaz: /unsplash.com
Nekoliko riječi o Olimpijskim igrama
Cilj. Procijenite znanje studenata i upoznajte ih sa zahtjevima poslodavaca. Studenti se razvijaju u odabranom znanstvenom području radeći za međunarodne tvrtke. Poslodavci također imaju koristi - ne moraju prekvalificirati obučene stručnjake ili pozdravljati nove zaposlenike frazom: "Zaboravite sve što ste naučili na fakultetu."
Zašto sudjelovati? Pobjednici Upišite se na ruska sveučilišta bez prijemnih ispita. Praksa je dostupna u Yandexu, Sberbanku, IBS-u, Mail.ru i drugim velikim korporacijama. Prošle godine, ponude ruskih tvrtki više od četiristo najboljih sudionika. Također, moći će prisustvovati i studenti koji su pokazali sve od sebe .
Tko sudjeluje? Studenti svih disciplina - tehničkih, humanističkih i prirodnih znanosti. Osim diplomanata, poslijediplomskih studenata, specijalizanata i studenata koji studiraju na stranim sveučilištima.
Format događaja. Prijaviti se možete do 18. studenog. Online kvalifikacijski krug trajat će od 22. studenog do 8. prosinca, ali ga možete preskočiti ako uspješno završite barem dva Pobjednici kvalifikacijskog kruga plasirat će se na natjecanja uživo na glavnim sveučilištima diljem zemlje, koja su zakazana od siječnja do ožujka. Rezultati olimpijade "Ja sam profesionalac" bit će objavljeni u travnju. .
Ove godine Olimpijada uključuje 68 smjerova. Stručnjaci Sveučilišta ITMO nadgledaju pet od njih: Fotoniku, Informacijsku i kibernetičku sigurnost, Programiranje i informacijsku tehnologiju, Velike podatke i Robotiku. Posljednje dvije ćemo detaljnije obraditi.
Veliki podaci
Ovaj smjer pokriva sve tehnologije životnog ciklusa velikih podataka, uključujući prikupljanje, pohranu, obradu, modeliranje i interpretaciju podataka. Pobjednici će imati pravo na upis na magistarske programe Sveučilišta ITMO bez prijemnih ispita: "Primijenjena matematika i informatika", "Digitalna zdravstvena skrb", "Financijske tehnologije velikih podataka" i .
Sudionici će također imati priliku obaviti stažiranje kao znanstvenici podataka i inženjeri podataka u partnerskim tvrtkama, uključujući Nacionalni centar za kognitivna istraživanja, Mail.ru, Znanstveno-tehnički centar Gazpromnjeft, Rosneft, Sberbank i ER-Telecom.
„Posljednjih godina veliki podaci postaju sve popularniji. Tehnologije prikupljanja i pohrane primarnih podataka se razvijaju, a pojavljuju se i novi digitalni mehanizmi (u IoT-u i društvenim mrežama) za bilježenje prethodno nezapaženih procesa“, komentira Alexander Valerievich Bukhanovsky, direktor Sveučilište ITMO. "Pažnja se posvećuje ne samo tome kako organizirati proces pohranjivanja i korištenja podataka, već i opravdanju zaključaka i odluka, kao i stvaranju prediktivnih modela."
Koji će biti zadaci? Priprema ih tim Sveučilište ITMO. Prepoznaju da stručnjak za velike podatke mora imati osnovno razumijevanje teorije vjerojatnosti i matematičke statistike, kao i strojnog učenja. Također mora imati razumijevanje logike i metodologije modernih sustava umjetne inteligencije te biti vješt u R-u, Javi, Scali, Pythonu (ili drugim alatima za rješavanje praktičnih problema).
U nastavku ćemo dati primjer problema iz jedne od faza Olimpijade.
Primjer zadatka: Klaster se sastoji od 50 poslužitelja, svaki s 12 dostupnih jezgri. Resursi se dinamički preraspodijeljuju između mapera i reducera (ne postoji strogo dijeljenje resursa). Odredite koliko bi minuta zadatak MapReduce koji zahtijeva 1000 mapera radio na takvom klasteru. Vrijeme izvođenja jednog mapera je 20 minuta. Ako u zadatku ostane samo jedan reducer, on će obraditi sve podatke za 1000 minuta. Odgovor je točan na jednu decimalu.
A. 44.6
B. 43.2
C. 41.6
D. 50.0Točan odgovorC
Kako pripremiti. Možete početi sa sljedećim resursima:
- Može biti korisno za samostalan rad s izvornim kodovima za rješenja problema.
- Ovo značajno djelo objašnjava zašto probabilistički modeli zahtijevaju matematički konstrukt poput σ-algebre.
- Jednostavna i korisna knjiga koja predstavlja osnove izračuna vjerojatnosti slučajnih događaja.
Evo još nekoliko pristupačnih knjiga o primijenjenoj statistici za različita područja istraživanja. Njihovi autori objašnjavaju logiku iza rješavanja problema procjene točaka i intervala jednostavno, ali uvjerljivo:
reference
Informacije možete pronaći i u tematskim tečajevima. na web stranici Olimpijade.
Robotika
Robotika kombinira discipline poput algoritama, elektronike i mehanike. Ovaj program preporučuje se onima koji trenutno studiraju ili se pripremaju za upis na magistarske ili doktorske programe iz softverskog inženjerstva, primijenjene mehanike, primijenjene matematike i računarstva ili elektrotehnike. Studenti koji pokažu svoj talent mogu se besplatno upisati u programe."""A"» našeg sveučilišta.
Koji će biti zadaci? Studenti magistarskog i preddiplomskog studija rješavaju različite probleme. Međutim, svi zadaci testiraju sveobuhvatno znanje iz teorije upravljanja, obrade informacija i modeliranja robota. Na primjer, od sudionika će se tražiti da testiraju stabilnost ili upravljivost sustava, odaberu strukturu ili izračunaju koeficijente regulatora.
„Morat ćemo riješiti izravni ili inverzni kinematički problem za mobilnog ili manipulativnog robota, raditi s Jakobijanom sustava i tražiti momente uravnoteženja u zglobovima za zadano vanjsko opterećenje“, kaže Sergej Aleksejevič Koljubin, zamjenik direktora na ITMO-u. "Bit će programerskih izazova - morat ćete napisati mali program za simulaciju robota ili planiranje putanje u Pythonu ili C++-u."
U finalu studenti moraju programirati robota za izvršavanje zadataka koje im zadaju partnerske tvrtke: Ruske željeznice, Diakont, KUKA i druge. Projekti uključuju bespilotne letjelice (UAV) za kopno i zrak, kao i kolaborativne robote koji djeluju u fizičkom kontaktu s okolinom. Format natjecanja podsjeća na Studenti prvo rade na simulatoru, a zatim na stvarnoj opremi.
Zatim, pogledajmo nekoliko mogućih problema u programu Robotike s kojima se studenti mogu susresti. Evo primjera za one koji se prijavljuju na magistarski program:
Primjer zadatka #1: Automobilski kinematički robot kreće se linearnom brzinom v = 0,3 m/s. Volan je okrenut pod kutom w = 0,2 rad. Ako je polumjer kotača robota r = 0,02 m, a duljina i trag robota su L = 0,3 m i d = 0,2 m, kolike su kutne brzine svakog od stražnjih kotača, w1 i w2, izražene u rad/s?
Molimo unesite svoj odgovor u formatu dva broja odvojena razmakom, točno na drugu decimalu, uzimajući u obzir predznak.Primjer zadatka #2: Što može biti znak astaticizma u zatvorenom sustavu u odnosu na referentni signal ako se analiza provodi prema strukturnom dijagramu sustava?
prisutnost aperiodičnih veza u otvorenom krugu;
prisutnost idealnih integracijskih veza u otvorenom krugu;
prisutnost oscilatornih i konzervativnih veza u otvorenom krugu.
Evo problema za one koji se prijavljuju za poslijediplomski studij ili specijalizaciju:
Primjer zadatka #1: Slika prikazuje robotski manipulator s redundantnom kinematikom i 7 rotacijskih zglobova. Slika prikazuje osnovni koordinatni sustav robota {s} s vektorom y-osi okomitim na ravninu stranice, koordinatni sustav {b} spojen je na prirubnicu i kolinearan je s {s}. Robot je prikazan u konfiguraciji u kojoj su kutne koordinatne vrijednosti svih karika jednake 0. Vijčane osi za sedam kinematičkih parova prikazane su na slici (pozitivan smjer suprotno od kazaljke na satu). Osi zglobova 2, 4 i 6 su kodirekcijske, osi zglobova 1, 3, 5 i 7 identične su osima početnog osnovnog koordinatnog sustava. Dimenzije karika su L1 = 0,34 m, L2 = 0,4 m, L3 = 0,4 m i L4 = 0,15 m.
Primjer zadatka #2: Kako bi poboljšali stabilnost algoritma za simultanu lokalizaciju i mapiranje (SLAM) temeljenog na filteru čestica za mobilne robote, programeri su odlučili koristiti algoritam s kotačem za ponovno uzorkovanje. U određenom trenutku izvršavanja algoritma, u memoriji je ostao uzorak od 5 "čestica" s težinama w(1) = 0,5, w(2) = 1,2, w(3) = 1,5, w(4) = 1,0 i w(5) = 0,8. Koji je minimalni prag za efektivnu veličinu uzorka u ovoj iteraciji koji pokreće mehanizam ponovnog uzorkovanja? Napišite svoj odgovor kao decimalni razlomak s točnošću od jednog decimalnog mjesta.
Kako pripremiti. Svoje znanje i izglede možete procijeniti pomoću kontrolne liste. Sudionici programa Robotika moraju:
- Poznavati principe modeliranja robota, karakteristike modernih senzora i metode za dobivanje senzornih informacija.
- Poznavati i biti u mogućnosti primijeniti u praksi metode i algoritme za planiranje putanje i automatsko upravljanje, kao i obradu senzornih informacija.
- Posjedovati vještine strukturiranog i objektno orijentiranog programiranja. Biti sposoban raditi u razvojnim okruženjima za robotske sustave.
- Razumjeti principe, ključne karakteristike i operativne značajke računalnih komponenti, aktuatora i senzora modernih robota. Posjedovati vještine planiranja i provođenja eksperimenata.
Da biste "izvukli" bilo koje od područja, možete obratiti pozornost na Tamo se raspravlja o nekim problemima s prethodnih olimpijada. Tu je i specijalizirana literatura, kao što su:
Više knjiga
I online tečajevi na Openedu, Coursera i Edx platformama
Dodatne informacije o Olimpijadi:
Izvor: www.habr.com
