«「是針對人文和技術專業學士和碩士的競賽。 它由俄羅斯大型 IT 公司和俄羅斯最強大的大學（包括 ITMO 大學）組織。 今天我們討論奧林匹克競賽的目標和我們大學負責的兩個領域——「大數據」和「機器人」（其餘的——在我們的下一個哈布拉主題中）。
查看： /unsplash.com
關於奧運的幾句話
瞄準。 評估學生的知識並向他們介紹雇主的要求。 學生在國際公司工作，在自己選擇的科學領域發展。 雇主也受益——他不需要重新註冊經過培訓的專家，也不需要用這句話來迎接新僱用的員工：“忘記你在大學學到的一切。”
為什麼要參加？ 優勝者 無需考試即可進入俄羅斯大學。 您可以在 Yandex、Sberbank、IBS、Mail.ru 和其他大公司實習。 去年，來自俄羅斯公司的報價 四百多位最佳參與者。 此外，已經證明自己的學生將能夠參觀 .
誰參加？ 所有專業的學生—科技、人文和自然科學。 除了畢業生、研究生、住院醫師和外國大學的學生。
事件格式。 您可以在 18 月 22 日之前註冊。 線上資格賽階段將於 8 月 XNUMX 日至 XNUMX 月 XNUMX 日期間進行，但如果您成功完成至少兩項比賽，則可以跳過該階段 。 預選賽的獲勝者將進入全國主要大學的校內比賽，比賽定於一月至三月舉行。 「我是職業」奧林匹克競賽成績將於四月公佈 .
今年的奧林匹克競賽包括68個項目。 聖光機和光學大學的專家負責監督其中五個領域：「光子學」、「資訊與網路安全」、「程式設計和資訊科技」以及「大數據」和「機器人」。 我們將告訴您有關後兩個的更多資訊。
大數據
該領域涵蓋大數據生命週期的所有技術，包括收集、儲存、處理、建模和解釋。 獲獎者將能夠免試進入ITMO大學碩士課程：「應用數學和資訊學」、「數位健康」、「大數據金融科技」和 .
參與者還將有機會在合作夥伴公司進行資料科學家和資料工程師專業的實習。 它們是國家認知研究中心、Mail.ru、Gazpromneft STC、Rosneft、Sberbank 和 ER-Telecom。
「近年來，大數據領域越來越受歡迎。 主要數據收集和儲存技術正在發展，新的數位機制正在出現（在物聯網和社交網路領域），用於記錄以前不可觀察的過程，」主任 Alexander Valerievich Bukhanovsky 評論道 聖光機械光學大學。 “與此同時，人們不僅關注如何組織存儲和使用數據的過程，還關注證明結論和決策的合理性，以及創建預測模型。”
將會有哪些任務？ 團隊為他們做好準備 聖光機械光學大學。 他們考慮到大數據專家必須具備機率論和數理統計以及機器學習的基礎。 了解現代人工智慧系統的邏輯和方法論，並會說 R、Java、Scala、Python（或其他解決實際問題的工具）。
下面我們舉一個奧林匹克競賽某一階段的問題範例。
範例任務： 叢集中有 50 台伺服器，每台伺服器有 12 個可用核心。 Mapper和Reducer之間的資源是動態重新分配的（沒有嚴格的資源劃分）。 寫出需要 1000 個映射器的 MapReduce 任務將在這樣的叢集上運行多少分鐘。 在這種情況下，一台映射器的運行時間為 20 分鐘。 如果任務中只留下1個reducer，那麼它將在1000分鐘內處理所有資料。 答案被接受精確到小數點後一位。
一個44.6
二43.2
三41.6
D. 50.0正確答案C
如何準備。 您可以從以下資源開始：
- 。 它對於使用原始碼獨立工作來解決問題非常有用。
- 。 這項基礎工作說明了為什麼機率模型需要 σ 代數這樣的數學結構。
- 。 一本簡單而有用的書，概述了隨機事件機率計算的基礎知識。
還有幾本關於各個活動領域的應用統計學的書籍。 他們的作者簡單而有效地解釋了解決點估計和區間估計問題的邏輯：
參考文獻
還可以在專題課程中找到信息 在奧運網站上。
機器人
機器人學結合了演算法、電子學和機械學等學科。 對於已經在學習或準備進入軟體工程、應用力學、應用數學和電腦科學或電子工程碩士和研究生課程的人來說，這個方向值得選擇。 經過驗證的學生可以免費註冊課程“'““和”“我們大學的。
將會有哪些任務？ 碩士和學士學生解決不同的任務。 然而，所有任務都考驗控制理論、資訊處理和機器人建模的複雜知識。 例如，參與者將被要求檢查系統的穩定性或可控性、選擇結構或計算調節器係數。
副主任謝爾蓋·阿列克謝耶維奇·科柳賓(Sergey Alekseevich Kolyubin) 表示：「我們必須解決移動或操縱機器人的正運動學或逆運動學問題，使用系統的雅可比行列式，並尋找給定外部負載下關節的平衡力矩。” 在ITMO。 “會有程式設計任務 - 你需要編寫一個小程式來建模機器人或用 Python 或 C++ 規劃軌跡。”
在決賽中，學生必須對機器人進行編程，以執行合作夥伴公司的任務：俄羅斯鐵路、Diakont、KUKA 等。這些項目涉及陸地和空中無人機，以及在與物體有身體接觸的條件下工作的協作機器人。環境。 比賽形式類似 。 首先，學生在模擬器上工作，然後在真實的硬體上工作。
接下來，我們將考慮學生可能遇到的機器人領域任務的幾個選擇。 以下是碩士課程申請者的範例：
範例任務#1： 汽車運動機器人以線速度v=0,3 m/s運動。 方向盤轉動角度 w=0,2 rad。 如果機器人輪子的半徑等於r=0,02 m，且機器人的長度和軌跡分別等於L=0,3 m和d=0,2 m，則每個後輪的角速度是多少w1 和 w2，以 rad/s 表示？
以用空格分隔的兩個數字的格式輸入答案，精確到小數點後第二位，並考慮到符號。範例任務#2： 如果依照系統的結構圖來分析的話，在一個封閉的系統中相對於參考影響力來說，什麼是無政府主義的標誌呢？
開路中存在非週期性連結；
開環中存在理想的積分鏈路；
開路中存在振盪和保守連結。
以下是那些進入研究所或住院醫師實習的人面臨的問題：
範例任務#1： 該圖顯示了一個具有冗餘運動學和 7 個旋轉關節的機器人操縱器。 圖中顯示了機器人基礎座標系{s}，y軸向量垂直於頁面平面，座標系{b}連接到法蘭並與{s}共線。 機器人的配置中所有連桿的角座標都等於 0。圖中顯示了七個運動副的螺旋軸（逆時針正方向）。 關節2、4、6的軸線同向，關節1、3、5、7的軸線與底座初始座標系的軸線相同。 連結尺寸 L1 = 0,34 m、L2 = 0,4 m、L3 = 0,4 m 和 L4 = 0,15 m。
範例任務#2： 為了使基於粒子濾波器的移動機器人同步定位與建圖（SLAM）演算法更加穩定運行，開發人員決定使用重採樣輪重採樣演算法。 在演算法運行的某個時刻，權重為 w(5) = 1、w(0,5) = 2、w(1,2) = 3、w(1,5) = 4 的 1,0 個「粒子」樣本保留在記憶體中。5 w(0,8) = XNUMX。 在給定迭代中有效樣本量的最小閾值是多少時，將啟動重採樣機制。 以十進制格式寫下您的答案，精確到小數點後一位。
如何準備。 您可以使用清單評估您的知識和前景。 機器人專業的參與者必須：
- 了解機器人建模原理、現代感測器的特點以及獲取感官資訊的方法。
- 了解並能夠在實踐中應用軌跡規劃和自動控制以及處理感知資訊的方法和演算法。
- 具備結構化和物件導向程式設計的技能。 能夠在機器人系統的開發環境中工作。
- 了解現代機器人計算部分、驅動器和感測器的原理、關鍵特性和操作特點。 具備計劃和設置實驗的技能。
要「收緊」任何一個區域，您可以注意 。 那裡討論了以前奧運會的一些問題。 還有專門的文獻，例如：
更多書籍
以及 Openedu、Coursera 和 Edx 上的線上課程
有關奧林匹克運動會的其他資訊：
來源： www.habr.com