«"er en konkurranse for bachelorer og master i humaniora og tekniske spesialiteter. Det er organisert av store russiske IT-selskaper og landets sterkeste universiteter, inkludert ITMO University. I dag snakker vi om målene for Olympiaden og de to områdene som universitetet vårt overvåker - "Big Data" og "Robotics" (om resten - i våre neste habratopics).
Se: /unsplash.com
Noen få ord om OL
Sikte. Vurder elevenes kunnskaper og introduser dem til kravene til arbeidsgivere. Studentene utvikler seg i sitt valgte vitenskapelige felt, og jobber i internasjonale selskaper. Arbeidsgiveren drar også nytte av det - han trenger ikke å omregistrere trente spesialister og hilse på nyansatte ansatte med setningen: "Glem alt du ble lært på universitetet."
Hvorfor delta? Vinnere gå inn på russiske universiteter uten eksamen. Du kan få et internship hos Yandex, Sberbank, IBS, Mail.ru og andre store selskaper. I fjor, tilbud fra russiske selskaper mer enn fire hundre beste deltakere. Også studenter som har bevist seg vil kunne komme på besøk .
Hvem deltar? Studenter av alle spesialiteter - teknisk, humaniora og naturvitenskap. I tillegg til nyutdannede, hovedfagsstudenter, innbyggere og studenter ved utenlandske universiteter.
Eventformat. Du kan registrere deg frem til 18. november. Den elektroniske kvalifiseringsfasen vil finne sted fra 22. november til 8. desember, men du kan hoppe over den hvis du fullfører minst to . Vinnerne av kvalifiseringsrunden går videre til intramurale konkurranser ved store universiteter over hele landet, som er planlagt til januar - mars. Resultatene av «I am a Professional»-olympiaden vil bli publisert i april .
I år inkluderer Olympiaden 68 områder. ITMO University-spesialister overvåker fem av dem: "Photonics", "Information and Cyber Security", "Programming and Information Technologies", samt "Big Data" og "Robotics". Vi vil fortelle deg mer om de to siste.
Stor Data
Dette området dekker alle teknologier i Big Data-livssyklusen, inkludert innsamling, lagring, prosessering, modellering og tolkning. Vinnerne vil kunne gå inn på masterstudiet ved ITMO University uten eksamen for programmene: «Anvendt matematikk og informatikk», «Digital helse», «Big Data Financial Technologies» og .
Deltakerne vil også få mulighet til å gjennomgå et internship i spesialitetene til dataviter og dataingeniør i partnerbedrifter. Disse er National Center for Cognitive Research, Mail.ru, Gazpromneft STC, Rosneft, Sberbank og ER-Telecom.
«De siste årene har feltet Big Data blitt stadig mer populært. Teknologier for primær datainnsamling og lagring utvikler seg, nye digitale mekanismer dukker opp (innenfor IoT og sosiale nettverk) for å registrere tidligere uobserverbare prosesser,” kommenterer Alexander Valerievich Bukhanovsky, direktør ITMO-universitetet. "Samtidig rettes oppmerksomheten ikke bare mot hvordan man organiserer prosessen med å lagre og bruke data, men også til å rettferdiggjøre konklusjoner og beslutninger, samt å lage prediktive modeller."
Hva blir oppgavene? Teamet forbereder dem ITMO-universitetet. De tar hensyn til at en Big Data-spesialist må ha grunnleggende kunnskaper innen sannsynlighetsteori og matematisk statistikk, samt maskinlæring. Ha forståelse for logikken og metodikken til moderne kunstig intelligens-systemer og snakker R, Java, Scala, Python (eller andre verktøy for å løse praktiske problemer).
Nedenfor gir vi et eksempel på et problem fra en av stadiene i Olympiaden.
Eksempel på oppgave: Det er 50 servere i klyngen, med 12 tilgjengelige kjerner på hver. Ressurser mellom kartleggere og reduserere omfordeles dynamisk (det er ingen streng fordeling av ressurser). Skriv hvor mange minutter en MapReduce-oppgave som krever 1000 kartleggere vil kjøre på en slik klynge. I dette tilfellet er driftstiden for én kartlegger 20 minutter. Hvis du bare lar 1 redusering være i oppgaven, vil den behandle alle dataene på 1000 minutter. Svaret aksepteres nøyaktig med én desimal.
En 44.6
B. 43.2
C. 41.6
D. 50.0Riktig svarC
Hvordan forberede. Du kan starte med følgende ressurser:
- . Det kan være nyttig for selvstendig arbeid med kildekoder for å løse problemer.
- . Det grunnleggende arbeidet forteller hvorfor sannsynlighetsmodeller trenger en så matematisk konstruksjon som σ-algebra.
- . En enkel og nyttig bok som skisserer det grunnleggende om sannsynlighetsregning av tilfeldige hendelser.
Flere tilgjengelige bøker om anvendt statistikk for ulike virksomhetsområder. Forfatterne deres forklarer enkelt, men effektivt logikken i å løse problemer med punkt- og intervallestimering:
Referanser
Informasjon finnes også i temakurs på OL-nettsiden.
Robotikk
Robotikk kombinerer disipliner som algoritmer, elektronikk og mekanikk. Denne retningen er verdt å velge for de som allerede studerer eller forbereder seg til å gå inn i master- og doktorgradsprogrammer i programvareteknikk, anvendt mekanikk, anvendt matematikk og informatikk eller elektronisk ingeniørfag. Påviste studenter kan melde seg på programmer gratis """"Og""av universitetet vårt.
Hva blir oppgavene? Master- og bachelorstudenter løser ulike oppgaver. Alle oppgaver tester imidlertid kompleks kunnskap om kontrollteori, informasjonsbehandling og robotmodellering. For eksempel vil deltakerne bli bedt om å sjekke stabiliteten eller kontrollerbarheten til et system, velge en struktur eller beregne regulatorkoeffisienter.
"Vi må løse et direkte eller omvendt kinematikkproblem for en mobil eller manipulerende robot, jobbe med systemets Jacobian og se etter balanserende momenter i ledd under en gitt ekstern belastning," sier Sergei Alekseevich Kolyubin, nestleder. hos ITMO. "Det vil være programmeringsoppgaver - du må skrive et lite program for å modellere en robot eller planlegge baner i Python eller C++."
I finalen skal studentene programmere roboten til å utføre oppgaver fra partnerbedrifter: Russian Railways, Diakont, KUKA, etc. Prosjektene er knyttet til droner for land og luft, samt samarbeidsroboter som arbeider under forhold med fysisk kontakt med miljø. Konkurranseformen ligner . Først jobber elevene på en simulator, og deretter på ekte maskinvare.
Deretter vil vi vurdere flere alternativer for oppgaver innen Robotikk-feltet som studenter kan møte. Her er eksempler for søkere til masterstudier:
Eksempel på oppgave nr. 1: Bilkinematikkroboten beveger seg med en lineær hastighet v=0,3 m/s. Rattet dreies i en vinkel w=0,2 rad. Hvis radiusen til robotens hjul er lik r=0,02 m, og lengden og sporet til roboten er lik henholdsvis L=0,3 m og d=0,2 m, hva blir vinkelhastighetene til hvert av bakhjulene w1 og w2, uttrykt i rad/s ?
Skriv inn svaret ditt i formatet med to tall atskilt med et mellomrom, nøyaktig med andre desimal, med tanke på tegnet.Eksempel på oppgave nr. 2: Hva kan være et tegn på astatisme i et lukket system i forhold til referansepåvirkningen, hvis analysen utføres i henhold til strukturdiagrammet til systemet?
tilstedeværelsen av aperiodiske koblinger i en åpen krets;
tilstedeværelsen av ideelle integrerende lenker i en åpen sløyfe;
tilstedeværelsen av oscillerende og konservative lenker i en åpen krets.
Her er problemene for de som begynner på forskerskole eller residens:
Eksempel på oppgave nr. 1: Figuren viser en robotmanipulator med redundant kinematikk med 7 rotasjonsledd. Figuren viser robotens basiskoordinatsystem {s} med y-aksevektoren vinkelrett på sideplanet, koordinatsystemet {b} koblet til flensen og kollineært med {s}. Roboten er avbildet i en konfigurasjon der vinkelkoordinatene til alle leddene er lik 0. De spiralformede aksene for syv kinematiske par er vist i figuren (positiv mot klokken). Aksene til leddene 2, 4 og 6 er samrettet, aksene til leddene 1, 3 5 og 7 er identiske med aksene til det opprinnelige koordinatsystemet til basen. Lenkestørrelser L1 = 0,34 m, L2 = 0,4 m, L3 = 0,4 m og L4 = 0,15 m.
Eksempel på oppgave nr. 2: For mer stabil drift av algoritmen for simultan lokalisering og kartlegging (SLAM) for mobile roboter basert på partikkelfiltre, bestemte utviklerne seg for å bruke resampling-hjulets resampling-algoritme. På et bestemt tidspunkt i algoritmens operasjon forble en prøve på 5 "partikler" med vektene w(1) = 0,5, w(2) = 1,2, w(3) = 1,5, w(4) = 1,0 i minnet. 5 og w(0,8) = XNUMX. Ved hvilken minste terskelverdi for den effektive prøvestørrelsen ved en gitt iterasjon vil resamplingsmekanismen bli lansert. Skriv svaret ditt i desimalformat nøyaktig med én desimal.
Hvordan forberede. Du kan evaluere kunnskapen din og potensielle kunder ved å bruke en sjekkliste. Deltakere i Robotics major må:
- Kjenne til prinsippene for robotmodellering, egenskapene til moderne sensorer og metoder for å innhente sensorisk informasjon.
- Kjenne til og kunne anvende i praksis metoder og algoritmer for baneplanlegging og automatisk kontroll, samt bearbeiding av sensorisk informasjon.
- Har ferdigheter i strukturert og objektorientert programmering. Kunne jobbe i utviklingsmiljøer for robotsystemer.
- Kjenn til prinsippene, nøkkelegenskapene og driftsfunksjonene til datadelen, stasjonene og sensorene til moderne roboter. Ha ferdigheter til å planlegge og sette opp eksperimenter.
For å "stramme opp" noen av områdene, kan du være oppmerksom på . Noen problemer fra tidligere olympiader diskuteres der. Det er også spesialisert litteratur, for eksempel:
Flere bøker
Og nettkurs på Openedu, Coursera og Edx
Ytterligere informasjon om Olympiaden:
Kilde: www.habr.com