IT инновации в бизнесе

Куратор: Медведев М.А.

Команда:

 Описание проекта:

web-приложение для анализа и управления данными разрабатывается для применения органами государственной власти и коммерческими структурами как агентами системы взаимодействия в регионе. Разрабатываемое ПО является гибким инструментом анализа и управления данными, применение которых позволит повысить эффективность разработки и реализации государственных программ на основе внутреннего и  внешнего финансирования. В основе ПО – система информационной поддержки, использующая индикативный подход и комплекс платформенных решений (в частности, обосновывающий сценарии регионального развития, оценки показателей индикаторов по сценариям (сценарный анализ, структурная классификация) используемых в рамках разработки целевых программ. Использование субъектами системы индикативного планирования разрабатываемого приложения анализа и управления данными регионального развития предполагает оптимизацию показателей индикаторов по уровням для отраслей-доноров, формирование резерва для и последующего аккумулирование уникальных для отраслей-реципиентов ресурсов, и, как следствие, повышение качества жизни населения вновь образованного, признанного государства. 

Цель:

Повышение эффективности реализации государственных целевых программ Донецкой Народной Республики путем внедрения в систему их подготовки и реализации новых инструментов и моделей анализа и управления данными

Результаты:

Разработка web-приложения для использования в качестве платформы оценки эффективности реализации государственных целевых программ в системе индикативного планирования с целью анализа и управления данными регионального развития, разработанная на основе программной среды OracleApex. Предполагается, что данное приложение будет проводить моделирование достаточного объема данных по сводным показателям реализации целевых программ, анализ действующего уровня развития отраслей экономики региона и сравнивать с прогнозными (сценарными) значениями.

Заказчик получает как экспериментальные данные, так и прогнозные сценарные значения, которые будут анализироваться на основе выявленных значимых признаков и используемых индикаторов целевых программ.

Будет проверена гипотеза о возможности разделения для анализа всех показателей-индикаторов в разрезе ожидаемых значений по сценариям. В свою очередь, будет решаться задача приоритетности реализации программ, их ресурсной обеспеченности с учетом сценарного подхода.

Получившийся набор используемых в системе разработки целевых программ индикаторов далее сравнивается с требуемыми параметрами – «целевым» набором индикаторов для рассматриваемой системы индикативного планирования. При выявленных отклонениях и несоответствии целевому набору индикаторов, формируется комплекс программных решений с целью управления  ходом реализации программ при использовании принятых наборов индикаторов. По результатам анализа и моделирования данных выбираются наиболее эффективные сценарии реализации стратегии развития отраслей экономики нового государства.

Куратор:

Лутфуллаева Малика Жасуровна

 Команда:

 Описание проекта:

Выполнение проекта предполагает несколько видов задач:

1.      Изучение научной литературы по теме исследования (преимущественно англоязычные источники) с целью выявить, какие методы применялись для решения задачи

2.      Разметить исходный набор сырых данных. Данные представляют собой запись движения глаз с помощью айтрекера (айтрекинговый сигнал). Необходимо будет разметить их для дальнейшего анализа и обучения модели

3.      Применение методов фильтрации для очистки айтрекингового сигнала от шумов

4.      Применение методов машинного обучения для решения задачи

По результатам необходимо написать научную статью

Цель:

Изучение существующих подходов к выявлению саккад и фиксаций из айтрекингового сигнала, а также разработка программного продукта средствами языка Python для решения данной задачи.

Результаты:

Данный проект предполагает получение как научных, так и практических результатов. Практические результаты:

1.      Размечены исходные данные для обучения моделей

2.      Применены методы машинного обучения для выявления саккад и фиксация из айтрекингового сигнала

3.      Выбран и применен метод фильтрации айтрекингового сигнала от шума

Научные результаты:

1.      Проведен обзор научный статей по теме исследования

По результатам проекта подготовлены материалы для написания научной статьи

Куратор: Комоцкий Е.И.

Команда:

Коломытцева Арина Артемовна РИМ-210981

Монтеро Пилляхо Виктор Андрес РИМ-210980

Сарычев Илья Александрович РИМ-210980

Шамоян Фрида Рамазовна РИМ-210980

 Цель:

В ходе проекта необходимо выполнить анализ применимости методов определения авторства фотографий в социальных сетях на основе PRNU-анализа.

Проект предусматривает создание парсера фотографий в соц. сети Вконтакте по определенным поисковым критериям, извлечение PRNU-признаков, разработку классификатора, способного отнести принадлежность фотографии к определенному образцу из базы образцов фотографий.

 Описание проекта:

В ходе проекта предлагается выполнить систематическое исследование явления “скама” в Российском сегменте сети Интернет. “Скам” – это разновидность компьютерного мошенничества с использованием площадок для продажи и покупки товаров и услуг частными лицами (такие как Avito, Youla и т.п.), заключающаяся в обмане покупателей и продавцов при проведении сделок на данных платформах.

Результаты:

1)     Разработана и регулярно пополняется база данных скам-доменов.

2)     База данных развернута на домене и публично доступна гражданам РФ

3)     Проведена кампания с использованием СММ и СМИ о популяризации данной базы

4)     Подготовлен аналитический отчет

5)     Разработано и опубликовано расширение для браузера, оповещающее о переходе на фишинговый сайт

6)     Проведена компания с использованием СММ и СМИ о популяризации расширения

Куратор: Саиф М.А.Х.

Команда:

Ерицян Гор Арамович РИМ-210981

Замараев Сергей Владимирович РИМ-210980

Першин Андрей Дмитриевич РИМ-210981

Симахин Дмитрий Евгеньевич РИМ-210981

Цееб Кирилл Денисович РИМ-210980

 Цель:

Обеспечить пользователей приложения актуальной текущей аналитикой фундаментальных и технических показателей конъюнктуры рынка национальной валюты, а также прогнозом движения курса национальной валюты с точностью в рамках заданного доверительного интервала.

Описание проекта:

Проект призван ознакомить команду разработки с базовым набором инструментов, применяемых в ходе реализации финансово-технологических  продуктов в принципе и продуктов в сфере инвестиционного анализа — в частности.

Предпочтительный технологический стек: GoLang, PostgreSQL, React, Python, TensorFlow, GitHub, Heroku.

Результаты:

MVP браузерного web-приложение и пакет документации, содержащий архитектуру ПО, технические требования и функциональную схему.

Куратор: Саиф М.А.Х.

Команда:

Балунгу Даниель Мусафири, РИМ-210980

Бадр Яссер Эльсайд Камил Абдельвахаб

Цель:

На основе глубокого обучения с подкреплением создать прибыльную торговую стратегию для криптобиржи.

Описание проекта:

Глубокое обучение с подкреплением зародилось совсем недавно (в 2010-х годах). Это связано с обширным внедрением нейронных сетей во все области человеческой жизни. Обучение с подкреплением позволяет моделировать поведение объекта (далее агента) в динамической системе.

Глубокое обучение с подкреплением используется для широкого спектра приложений, включая, но не ограничиваясь робототехникой, видеоиграми, обработкой естественного языка, компьютерным зрением, образованием, транспортом, финансами и здравоохранением.

Одним из перспективных применений глубокого обучения с подкреплением является алгоритмический трейдинг.

Результаты:

Результатом исследования  стала стратегия для торгового робота, которую можно применить для торговли на бирже в режиме реального времени - нейросеть, которая принимает на вход рыночные данные, состояние агента, а на выходе выдает действие, которые нужно сделать агенту на данном шаге. Например, если мы торгуем на минутных данных, по истечению каждой минуты мы будем давать нейросети новые данные, и делать новое действие, которое нам предложит нейросеть.

Команда проекта:

Новиков Максим – куратор;

Скрябин Алексей – студент гр. РИМ-201217.

Цель работы:

Создать систему анализа производственных трендов, предназначенную для отладки устройств производственной автоматики.

Результат проекта:

Реализована визуализация трендов сигналов, пользовательское размещение сигналов на дашборде. масштабирование сигналов, установка временных меток.

Заказчик: Дата-Центр Автоматика

Команда проекта:

Саиф Муджахед Абдулла Хаель - куратор;

Теретьяков Аркадий - студент гр. РИМ-201217.

Результат:

Создание универсальной аналитической системы исследования и визуализации данных на технологиях Jupyter Lab и Apache Superset.

Команда проекта:

Саиф Муджахед Абдулла Хаель – главный куратор;

Демин Дмитрий Николаевич – разработчик;

Жевлаков Илья Максимович – аналитик.

Результат проекта:

Разработана система для создания и управления роботами трейдинга криптовалютными активами, что позволит пользователям создавать и контролировать торговых роботов на бирже Binance, используя различные стратегии, зарабатывая на этом денежные средства.