«"är en tävling för kandidater och magister i humaniora och tekniska specialiteter. Det organiseras av stora ryska IT-företag och landets starkaste universitet, inklusive ITMO University. Idag pratar vi om målen för olympiaden och de två områden som vårt universitet övervakar - "Big Data" och "Robotics" (om resten - i våra nästa habratopics).
Visa: /unsplash.com
Några ord om OS
Sikta. Bedöm elevernas kunskaper och introducera dem till arbetsgivarnas krav. Studenter utvecklas inom sitt valda vetenskapsområde och arbetar i internationella företag. Arbetsgivaren gynnas också - han behöver inte omregistrera utbildade specialister och hälsa på nyanställda medarbetare med frasen: "Glöm allt du fick lära dig på universitetet."
Varför delta? Vinnare gå in på ryska universitet utan prov. Du kan få en praktikplats på Yandex, Sberbank, IBS, Mail.ru och andra stora företag. Förra året, erbjudanden från ryska företag mer än fyrahundra bästa deltagare. Dessutom kommer studenter som har visat sig kunna besöka .
Vem deltar? Studenter av alla specialiteter - tekniska, humanistiska och naturvetenskapliga. Förutom akademiker, doktorander, invånare och studenter vid utländska universitet.
Eventformat. Du kan anmäla dig till den 18 november. Onlinekvalificeringsstadiet kommer att äga rum från 22 november till 8 december, men du kan hoppa över det om du klarar minst två . Vinnarna i kvalomgången går vidare till intramurala tävlingar vid stora universitet över hela landet, som är planerade till januari - mars. Resultaten av "I am a Professional"-olympiaden kommer att publiceras i april .
I år omfattar Olympiaden 68 områden. ITMO-universitetsspecialister övervakar fem av dem: "Fotonik", "Informations- och cybersäkerhet", "Programmering och informationsteknik", samt "Big Data" och "Robotics". Vi kommer att berätta mer om de två sista.
Big Data
Detta område täcker all teknologi i Big Datas livscykel, inklusive deras insamling, lagring, bearbetning, modellering och tolkning. Vinnarna kommer att kunna gå in på masterprogrammet vid ITMO University utan prov för programmen: "Applied Mathematics and Informatics", "Digital Health", "Big Data Financial Technologies" och .
Deltagarna kommer också att ha möjlighet att genomgå en praktikplats inom specialiteterna datavetare och dataingenjör i partnerföretag. Dessa är National Center for Cognitive Research, Mail.ru, Gazpromneft STC, Rosneft, Sberbank och ER-Telecom.
"Under de senaste åren har området Big Data blivit allt mer populärt. Teknologier för primär datainsamling och lagring utvecklas, nya digitala mekanismer växer fram (inom området IoT och sociala nätverk) för att registrera processer som tidigare inte kunde observeras”, kommenterar Alexander Valerievich Bukhanovsky, direktör ITMO universitet. "Samtidigt ägnas uppmärksamhet inte bara åt hur man organiserar processen att lagra och använda data, utan också på att motivera slutsatser och beslut, samt att skapa prediktiva modeller."
Vilka blir arbetsuppgifterna? Teamet förbereder dem ITMO universitet. De tar hänsyn till att en Big Data-specialist måste ha grundläggande kunskaper i sannolikhetsteori och matematisk statistik, samt maskininlärning. Ha förståelse för logiken och metodiken i moderna artificiella intelligenssystem och tala R, Java, Scala, Python (eller andra verktyg för att lösa praktiska problem).
Nedan ger vi ett exempel på ett problem från en av Olympiadens etapper.
Exempel på uppgift: Det finns 50 servrar i klustret, med 12 tillgängliga kärnor på varje. Resurser mellan mappers och reducerare omfördelas dynamiskt (det finns ingen strikt uppdelning av resurser). Skriv hur många minuter en MapReduce-uppgift som kräver 1000 mappare kommer att köras på ett sådant kluster. I detta fall är drifttiden för en kartläggare 20 minuter. Om du bara lämnar en reducering i uppgiften kommer den att bearbeta all data på 1 minuter. Svaret accepteras korrekt med en decimal.
A. 44.6
B. 43.2
C. 41.6
D. 50.0Rätt svarC
Hur man förbereder. Du kan börja med följande resurser:
- . Det kan vara användbart för självständigt arbete med källkoder för att lösa problem.
- . Det grundläggande arbetet berättar varför probabilistiska modeller behöver en sådan matematisk konstruktion som σ-algebra.
- . En enkel och användbar bok som beskriver grunderna i probabilistisk beräkning av slumpmässiga händelser.
Flera fler tillgängliga böcker om tillämpad statistik för olika verksamhetsområden. Deras författare förklarar enkelt men effektivt logiken i att lösa problem med punkt- och intervalluppskattning:
referenser
Information finns även i tematiska kurser på OS-webbplatsen.
Robotics
Robotik kombinerar discipliner som algoritmer, elektronik och mekanik. Denna riktning är värd att välja för dem som redan studerar eller förbereder sig för att gå in på master- och forskarutbildning i mjukvaruteknik, tillämpad mekanik, tillämpad matematik och datavetenskap eller elektronikteknik. Beprövade studenter kan anmäla sig till program gratis """"Och""av vårt universitet.
Vilka blir arbetsuppgifterna? Magister- och kandidatstudenter löser olika uppgifter. Alla uppgifter testar dock komplexa kunskaper om styrteori, informationsbehandling och robotmodellering. Till exempel kommer deltagarna att bli ombedda att kontrollera stabiliteten eller styrbarheten hos ett system, välja en struktur eller beräkna regulatorkoefficienter.
"Vi måste lösa ett direkt eller omvänt kinematikproblem för en mobil eller manipulerande robot, arbeta med systemets Jacobian och leta efter balanserande moment i leder under en given extern belastning", säger Sergey Alekseevich Kolyubin, biträdande direktör på ITMO. "Det kommer att finnas programmeringsuppgifter - du måste skriva ett litet program för att modellera en robot eller planera banor i Python eller C++."
I finalen ska eleverna programmera roboten för att utföra uppgifter från partnerföretag: Ryska järnvägarna, Diakont, KUKA, etc. Projekten är relaterade till drönare för land och luft, samt samarbetsrobotar som arbetar under förhållanden av fysisk kontakt med miljö. Tävlingsformen liknar . Först arbetar eleverna på en simulator och sedan på riktig hårdvara.
Därefter kommer vi att överväga flera alternativ för uppgifter inom robotikområdet som studenter kan stöta på. Här är exempel för sökande till masterprogram:
Exempeluppgift #1: Bilkinematikroboten rör sig med en linjär hastighet v=0,3 m/s. Ratten vrids i en vinkel w=0,2 rad. Om radien på robotens hjul är lika med r=0,02 m, och robotens längd och spår är lika med L=0,3 m respektive d=0,2 m, vad blir då vinkelhastigheterna för vart och ett av de bakre hjulen w1 och w2, uttryckt i rad/s ?
Ange ditt svar i formatet två siffror åtskilda med ett mellanslag, exakt med andra decimalen, med hänsyn till tecknet.Exempeluppgift #2: Vad kan vara ett tecken på astatism i ett slutet system i förhållande till referensinflytandet, om analysen utförs enligt systemets strukturdiagram?
närvaron av aperiodiska länkar i en öppen krets;
närvaron av idealiska integrerande länkar i en öppen slinga;
förekomsten av oscillerande och konservativa länkar i en öppen krets.
Här är problemen för dem som går in på forskarskolan eller residenset:
Exempeluppgift #1: Figuren visar en robotmanipulator med redundant kinematik med 7 rotationsleder. Figuren visar robotens baskoordinatsystem {s} med y-axelvektorn vinkelrät mot sidplanet, koordinatsystemet {b} kopplat till flänsen och i linje med {s}. Roboten är avbildad i en konfiguration där vinkelkoordinaterna för alla länkar är lika med 0. De spiralformade axlarna för sju kinematiska par visas i figuren (positiv moturs). Axlarna för lederna 2, 4 och 6 är samriktade, axlarna för lederna 1, 3, 5 och 7 är identiska med axlarna för basens initiala koordinatsystem. Länkstorlekar L1 = 0,34 m, L2 = 0,4 m, L3 = 0,4 m och L4 = 0,15 m.
Exempeluppgift #2: För mer stabil drift av algoritmen för simultan lokalisering och kartläggning (SLAM) för mobila robotar baserade på partikelfilter, beslutade utvecklarna att använda omsamplingsalgoritmen för omsamplingshjul. Vid en viss tidpunkt i algoritmens funktion fanns ett prov på 5 "partiklar" med vikterna w(1) = 0,5, w(2) = 1,2, w(3) = 1,5, w(4) = 1,0 kvar i minnet. 5 och w(0,8) = XNUMX. Vid vilket lägsta tröskelvärde för den effektiva urvalsstorleken vid en given iteration kommer omsamplingsmekanismen att startas. Skriv ditt svar i decimalformat exakt med en decimal.
Hur man förbereder. Du kan utvärdera dina kunskaper och framtidsutsikter med hjälp av en checklista. Deltagare i Robotics major måste:
- Känna till principerna för robotmodellering, egenskaperna hos moderna sensorer och metoder för att erhålla sensorisk information.
- Känna till och i praktiken kunna tillämpa metoder och algoritmer för banplanering och automatisk styrning samt bearbetning av sensorisk information.
- Har kunskaper i strukturerad och objektorienterad programmering. Kunna arbeta i utvecklingsmiljöer för robotsystem.
- Känna till principerna, nyckelegenskaperna och funktionsegenskaperna för datordelen, drivenheter och sensorer hos moderna robotar. Ha kompetens att planera och sätta upp experiment.
För att "strama upp" något av områdena kan du vara uppmärksam på . Där diskuteras några problem från tidigare olympiader. Det finns också specialiserad litteratur, till exempel:
Fler böcker
Och onlinekurser om Openedu, Coursera och Edx
Ytterligare information om Olympiaden:
Källa: will.com