Ohun ti o nilo lati mọ nipa Olympiad “Mo jẹ Ọjọgbọn kan: a sọrọ nipa awọn agbegbe “Data Nla” ati “Robotics”

«Mo jẹ ọjọgbọn"jẹ idije fun awọn ọmọ ile-iwe giga ati awọn ọga ti awọn eniyan ati awọn imọ-ẹrọ imọ-ẹrọ. O ti ṣeto nipasẹ awọn ile-iṣẹ IT nla ti Ilu Rọsia ati awọn ile-ẹkọ giga ti orilẹ-ede, pẹlu Ile-ẹkọ giga ITMO. Loni a n sọrọ nipa awọn ibi-afẹde ti Olympiad ati awọn agbegbe meji ti ile-ẹkọ giga wa n ṣakoso - “Big Data” ati “Robotics” (nipa iyokù - ni awọn habratopics wa atẹle).

Ohun ti o nilo lati mọ nipa Olympiad “Mo jẹ Ọjọgbọn kan: a sọrọ nipa awọn agbegbe “Data Nla” ati “Robotics”
Fọto: Victor Aznabaev /unsplash.com

Awọn ọrọ diẹ nipa Olimpiiki

Afojusun. Ṣe ayẹwo oye awọn ọmọ ile-iwe ati ṣafihan wọn si awọn ibeere ti awọn agbanisiṣẹ. Awọn ọmọ ile-iwe dagbasoke ni aaye imọ-jinlẹ ti wọn yan, ṣiṣẹ ni awọn ile-iṣẹ kariaye. Agbanisiṣẹ naa tun ni anfani - ko nilo lati tun forukọsilẹ awọn alamọja ti oṣiṣẹ ati ki o ki awọn oṣiṣẹ tuntun ti a gbawẹ pẹlu gbolohun naa: “Gbagbe gbogbo ohun ti a kọ ọ ni ile-ẹkọ giga.”

Idi ti kopa? Awọn bori gba anfani tẹ Russian egbelegbe lai idanwo. O le gba ikọṣẹ ni Yandex, Sberbank, IBS, Mail.ru ati awọn ile-iṣẹ nla miiran. Ni ọdun to koja, awọn ipese lati awọn ile-iṣẹ Russia ti gba diẹ ẹ sii ju irinwo ti o dara ju olukopa. Paapaa, awọn ọmọ ile-iwe ti o ti fihan ara wọn yoo ni anfani lati ṣabẹwo igba otutu ile-iwe.

Tani o kopa? Omo ile ti gbogbo Imo - imọ, eda eniyan ati adayeba sáyẹnsì. Ni afikun si awọn ọmọ ile-iwe giga, awọn ọmọ ile-iwe mewa, awọn olugbe ati awọn ọmọ ile-iwe ti awọn ile-ẹkọ giga ajeji.

Ilana iṣẹlẹ. O le forukọsilẹ titi di Oṣu kọkanla ọjọ 18th. Ipele iyege ori ayelujara yoo waye lati Oṣu kọkanla ọjọ 22 si Oṣu kejila ọjọ 8, ṣugbọn o le foju rẹ ti o ba pari ni aṣeyọri o kere ju meji online courses lati awọn akojọ. Awọn olubori ti iyipo iyege yoo ni ilọsiwaju si awọn idije intramural ni awọn ile-ẹkọ giga pataki ni gbogbo orilẹ-ede, eyiti a ṣeto fun Oṣu Kini - Oṣu Kẹta. Awọn abajade ti "Mo jẹ Ọjọgbọn" Olympiad yoo ṣe atẹjade ni Oṣu Kẹrin lori aaye ayelujara ise agbese.

Ni ọdun yii Olympiad pẹlu awọn agbegbe 68. Awọn alamọja ile-ẹkọ giga ITMO ṣe abojuto marun ninu wọn: “Awọn fọto”, “Alaye ati Aabo Cyber”, “Eto ati Awọn Imọ-ẹrọ Alaye”, ati “Data Nla” ati “Robotics”. A yoo so fun o siwaju sii nipa awọn ti o kẹhin meji.

Nla Data

Agbegbe yii ni wiwa gbogbo awọn imọ-ẹrọ ti igbesi-aye data Big Data, pẹlu gbigba wọn, ibi ipamọ, sisẹ, awoṣe ati itumọ. Awọn olubori yoo ni anfani lati tẹ eto titunto si ni Ile-ẹkọ giga ITMO laisi awọn idanwo fun awọn eto naa: “Mathematics Applied and Informatics”, “Digital Health”, “Big Data Financial Technologies” ati orisirisi awọn miran.

Awọn olukopa yoo tun ni aye lati gba ikọṣẹ ni awọn iyasọtọ ti onimọ-jinlẹ data ati ẹlẹrọ data ni awọn ile-iṣẹ alabaṣepọ. Awọn wọnyi ni Ile-iṣẹ Orilẹ-ede fun Iwadi Imọye, Mail.ru, Gazpromneft STC, Rosneft, Sberbank ati ER-Telecom.

“Ni awọn ọdun aipẹ, aaye ti Big Data ti di olokiki pupọ si. Awọn imọ-ẹrọ fun gbigba data akọkọ ati ibi ipamọ ti wa ni idagbasoke, awọn ọna ẹrọ oni-nọmba tuntun ti n yọ jade (ni aaye ti IoT ati awọn nẹtiwọọki awujọ) fun gbigbasilẹ awọn ilana ti ko ṣe akiyesi tẹlẹ, ”awọn asọye Alexander Valerievich Bukhanovsky, oludari Megafaculty of Translational Information Technologies Ile-ẹkọ giga ITMO. "Ni akoko kanna, akiyesi ni a san kii ṣe si bi o ṣe le ṣeto ilana ti ipamọ ati lilo data nikan, ṣugbọn tun si idalare awọn ipinnu ati awọn ipinnu, ati ṣiṣẹda awọn awoṣe asọtẹlẹ."

Kini yoo jẹ awọn iṣẹ-ṣiṣe? Ẹgbẹ naa mura wọn silẹ Megafaculty of Translational Information Technologies Ile-ẹkọ giga ITMO. Wọn ṣe akiyesi otitọ pe alamọja Data Nla gbọdọ ni imọ ipilẹ ni ilana iṣeeṣe ati awọn iṣiro mathematiki, ati ikẹkọ ẹrọ. Ni oye ti imọ-ọrọ ati ilana ti awọn eto itetisi atọwọda ode oni ati sọ R, Java, Scala, Python (tabi awọn irinṣẹ miiran lati yanju awọn iṣoro to wulo).

Ni isalẹ a fun apẹẹrẹ ti iṣoro kan lati ọkan ninu awọn ipele ti Olympiad.

Apẹẹrẹ iṣẹ-ṣiṣe: Awọn olupin 50 wa ninu iṣupọ, pẹlu awọn ohun kohun 12 ti o wa lori ọkọọkan. Awọn orisun laarin awọn maapu ati awọn oludinku ti pin kaakiri ni agbara (ko si pipin awọn orisun to muna). Kọ iye iṣẹju melo ni iṣẹ MapReduce ti o nilo awọn maapu 1000 yoo ṣiṣẹ lori iru iṣupọ kan. Ni ọran yii, akoko iṣẹ ti maapu kan jẹ iṣẹju 20. Ti o ba fi silẹ nikan 1 idinku ninu iṣẹ naa, lẹhinna yoo ṣe ilana gbogbo data ni awọn iṣẹju 1000. Idahun si jẹ deede si aaye eleemewa kan.

A. 44.6
B. 43.2
C. 41.6
D. 50.0

Idahun to peC

Bawo ni lati mura. O le bẹrẹ pẹlu awọn orisun wọnyi:

Awọn iwe pupọ diẹ sii ti o wa lori awọn iṣiro ti a lo fun ọpọlọpọ awọn aaye iṣẹ ṣiṣe. Awọn onkọwe wọn ni irọrun ṣugbọn ni imunadoko ṣe alaye imọran ti aaye ipinnu ati awọn iṣoro ifoju aarin:

Iwe itan-akọọlẹ

Alaye tun le rii ni awọn iṣẹ ikẹkọ lati awọn ti a fọwọsi akojọ lori aaye ayelujara Olimpiiki.

Robotik

Robotics darapọ awọn ilana bii algoridimu, ẹrọ itanna ati awọn oye. Itọsọna yii tọsi yiyan fun awọn ti o ti nkọ tẹlẹ tabi ngbaradi lati tẹ oluwa ati awọn eto ile-iwe giga lẹhin ni imọ-ẹrọ sọfitiwia, awọn ẹrọ ti a lo, mathimatiki ti a lo ati imọ-ẹrọ kọnputa tabi ẹrọ itanna. Awọn ọmọ ile-iwe ti o ni idaniloju le forukọsilẹ ni awọn eto fun ọfẹ "Robotik»,«Digital Iṣakoso awọn ọna šiše"Ati"Digital gbóògì awọn ọna šiše ati imo"ti ile-ẹkọ giga wa.

Kini yoo jẹ awọn iṣẹ-ṣiṣe? Titunto si ati awọn ọmọ ile-iwe bachelor yanju awọn iṣẹ ṣiṣe oriṣiriṣi. Sibẹsibẹ, gbogbo awọn iṣẹ ṣiṣe ṣe idanwo imọ idiju ti ilana iṣakoso, ṣiṣe alaye ati awoṣe roboti. Fun apẹẹrẹ, awọn olukopa yoo beere lọwọ lati ṣayẹwo iduroṣinṣin tabi iṣakoso eto kan, yan eto kan, tabi iṣiro awọn olutọsọna olutọsọna.

Sergey Alekseevich Kolyubin, igbakeji oludari sọ pe: “A yoo ni lati yanju iṣoro kinematics taara tabi idakeji fun ẹrọ alagbeka tabi robot afọwọyi, ṣiṣẹ pẹlu Jacobian ti eto naa ati wa awọn akoko iwọntunwọnsi ni awọn isẹpo labẹ ẹru ita ti a fun,” ni Sergey Alekseevich Kolyubin, igbakeji oludari sọ. Megafaculty of Computer Technologies ati Management ni ITMO. "Awọn iṣẹ ṣiṣe siseto yoo wa - o nilo lati kọ eto kekere kan fun apẹrẹ robot kan tabi gbero awọn itọpa ni Python tabi C ++.”

Ni ipari, awọn ọmọ ile-iwe gbọdọ ṣe eto robot lati ṣe awọn iṣẹ-ṣiṣe lati awọn ile-iṣẹ alabaṣepọ: Awọn oju-irin Railways Russia, Diakont, KUKA, bbl Awọn iṣẹ akanṣe naa ni ibatan si awọn drones fun ilẹ ati afẹfẹ, ati awọn roboti ifowosowopo ṣiṣẹ ni awọn ipo ti olubasọrọ ti ara pẹlu ayika. Idije kika resembles Ipenija Robotics DARPA. Ni akọkọ, awọn ọmọ ile-iwe ṣiṣẹ lori simulator, ati lẹhinna lori ohun elo gidi.

Ohun ti o nilo lati mọ nipa Olympiad “Mo jẹ Ọjọgbọn kan: a sọrọ nipa awọn agbegbe “Data Nla” ati “Robotics”

Nigbamii ti, a yoo ronu awọn aṣayan pupọ fun awọn iṣẹ-ṣiṣe ni aaye Robotics ti awọn ọmọ ile-iwe le ba pade. Eyi ni awọn apẹẹrẹ fun awọn olubẹwẹ si awọn eto titunto si:

Apẹẹrẹ iṣẹ #1: Robot kinematics adaṣe n gbe pẹlu iyara laini v=0,3 m/s. Kẹkẹ idari ti wa ni titan ni igun kan w = 0,2 Rad. Ti radius ti awọn kẹkẹ robot jẹ dogba si r = 0,02 m, ati ipari ati orin ti robot jẹ dogba si L = 0,3 m ati d = 0,2 m, ni atele, kini yoo jẹ awọn iyara angula ti ọkọọkan awọn kẹkẹ ẹhin. w1 ati w2, ti a fihan ni rad/s?

Ohun ti o nilo lati mọ nipa Olympiad “Mo jẹ Ọjọgbọn kan: a sọrọ nipa awọn agbegbe “Data Nla” ati “Robotics”
Tẹ idahun rẹ sii ni ọna kika ti awọn nọmba meji ti o yapa nipasẹ aaye kan, deede si aaye eleemewa keji, ni akiyesi ami naa.

Apẹẹrẹ iṣẹ #2: Kini o le jẹ ami ti astatism ni eto pipade ti o ni ibatan si ipa itọkasi, ti a ba ṣe itupalẹ naa ni ibamu si aworan apẹrẹ ti eto naa?

Iwaju awọn ọna asopọ aperiodic ni agbegbe ṣiṣi;
Iwaju awọn ọna asopọ iṣọpọ pipe ni lupu ṣiṣi;
niwaju oscillatory ati awọn ọna asopọ Konsafetifu ni agbegbe ṣiṣi.

Eyi ni awọn iṣoro fun awọn ti nwọle ile-iwe mewa tabi ibugbe:

Apẹẹrẹ iṣẹ #1: Nọmba naa fihan afọwọyi roboti kan pẹlu kinematics apọju pẹlu awọn isẹpo iyipo 7. Nọmba naa fihan eto ipoidojuko ipilẹ robot {s} pẹlu y-axis fekito papẹndikula oju-ofurufu oju-iwe, eto ipoidojuko {b} ti o sopọ mọ flange ati collinear pẹlu {s}. A ṣe afihan roboti ni iṣeto ni eyiti awọn ipoidojuko igun ti gbogbo awọn ọna asopọ jẹ dogba si 0. Awọn aake helical fun awọn orisii kinematic meje ni a fihan ni nọmba (itọsọna counterclockwise rere). Awọn aake ti awọn isẹpo 2, 4 ati 6 jẹ itọsọna-alakoso, awọn aake ti awọn isẹpo 1, 3 5 ati 7 jẹ aami si awọn aake ti eto ipoidojuko akọkọ ti ipilẹ. Awọn iwọn ọna asopọ L1 = 0,34 m, L2 = 0,4 m, L3 = 0,4 m, ati L4 = 0,15 m.

Ohun ti o nilo lati mọ nipa Olympiad “Mo jẹ Ọjọgbọn kan: a sọrọ nipa awọn agbegbe “Data Nla” ati “Robotics”
Apẹẹrẹ iṣẹ #2: Fun iṣiṣẹ iduroṣinṣin diẹ sii ti isọdi agbegbe ati aworan agbaye (SLAM) algorithm fun awọn roboti alagbeka ti o da lori awọn asẹ patiku, awọn olupilẹṣẹ pinnu lati lo algoridimu atunṣe kẹkẹ atunṣe. Ni aaye kan ninu iṣẹ algorithm, apẹẹrẹ ti 5 “awọn patikulu” pẹlu awọn iwuwo w (1) = 0,5, w (2) = 1,2, w (3) = 1,5, w (4) = 1,0 wa ni iranti. 5 ati w (0,8) = XNUMX. Ni iye ala ti o kere ju ti iwọn ayẹwo ti o munadoko ni aṣetunṣe ti a fun ni yoo ṣe ifilọlẹ ẹrọ atunwo. Kọ idahun rẹ ni ọna kika eleemewa deede si aaye eleemewa kan.

Bawo ni lati mura. O le ṣe iṣiro imọ rẹ ati awọn asesewa nipa lilo atokọ ayẹwo. Awọn olukopa ninu Robotics pataki gbọdọ:

  • Mọ awọn ilana ti awoṣe roboti, awọn abuda ti awọn sensọ ode oni ati awọn ọna fun gbigba alaye ifarako.
  • Mọ ki o si ni anfani lati lo ni awọn ọna iṣe ati awọn algoridimu fun igbero itọpa ati iṣakoso adaṣe, bakanna bi ṣiṣe alaye ifarako.
  • Ni awọn ọgbọn ni iṣeto ti iṣeto ati siseto ohun. Ni anfani lati ṣiṣẹ ni awọn agbegbe idagbasoke fun awọn eto roboti.
  • Mọ awọn ipilẹ, awọn abuda bọtini ati awọn ẹya iṣẹ ti apakan iširo, awọn awakọ ati awọn sensọ ti awọn roboti ode oni. Ni awọn ọgbọn lati gbero ati ṣeto awọn adanwo.

Lati "fikun" eyikeyi awọn agbegbe, o le san ifojusi si webinars lati oju opo wẹẹbu osise. Diẹ ninu awọn iṣoro lati awọn Olympiad iṣaaju ni a jiroro nibẹ. Awọn iwe pataki tun wa, fun apẹẹrẹ:

Awọn iwe diẹ sii

Ati awọn iṣẹ ori ayelujara lori Openedu, Coursera ati Edx

Alaye ni afikun lori Olympiad:

orisun: www.habr.com

Fi ọrọìwòye kun