Tag Archives: бакалавриат

Комиссия по НИР и УИР (обновлено)

Комиссия по НИР и УИР состоится 20 марта в 14:00. В связи с мерами по предотвращению распространения коронавирусной инфекции комиссии переносятся на неопределенный срок. Следите за объявлениями.

Прохождение УИР в компании Parallels

Возможно прохождение УИР в компании Parallels. Темы примерных проектов, которые они предлагают:

1. Virtual Machine debugging technique (GDB & LLDB). Automated debugging protocol testing

2. WinDbg + python: автоматизация типичных сценариев. Внедрение механизма в процесс обработки пользовательских креш-дампов.

3. Portable Virtual Machines. Optimize a VM run over a slow media (SD/MMC, USB2.0 stick, etc.)

4. Утилита подавления шума в звуке, выделение голоса из звуковой дорожки

5. Синхронизации записи звука из нескольких источников/мобильных устройств

6. Объединенный сервер символьной информации для мультиплатформенных приложений и систем

Цель проекта – построить систему хранения и автоматического пополнения символьной информации для сложных проектов, включающих компоненты, работающие на разных платформах (Windows, Linux, macOS), с возможностью использования хранимых символов из среды удаленных отладчиков типа WinDbg, LLDB, GDB.

Проект включает:
• Организацию централизованного сетевого хранилища отладочных символов мультиплатформенных проектов;
• Автоматизацию закачки в хранилище символов новых сборок компонентов мультиплатформенных систем и приложений;
• Автоматизацию закачки символов внешних продуктов (отладочные символы Windows, ядер Linux, macOS KernelDebugKit);
• Скриптовую поддержку работы с символьным хранилищем для WinDbg, LLDB, GDB;
• Автоматическую идентификацию правильных версий символов в зависимости от отлаживаемого контекста в удаленном отладчике.

7. Web console for VMs
Web-based console for Parallels VM management on Mac/Windows/Linux hosts inside corporate intranet.

8. Разработка системы сбора и анализа данных о качестве программного продукта и полноте тестового покрытия программного продукта в процессе его разработки и эксплуатации.

Результат представляет собой web сервис, представляющий данные, полученные с использованием технологий bigdata и artificial intelligence/machine learning. Собираемые данные включают сообщения в логах модулей продукта, инфраструктуры, на которой эти модули работают, счётчики производительности и загрузки модулей продукта и инфраструктуры, и т.д.
• реализация системы сбора, хранения, анализа данных и представления результатов, полученных в процессе разработки и тестирования программного продукта.
• развитие системы анализа данных, построение списка модулей системы, тестовых сценариев, версий (сборок), степени покрытия различных модулей и сборок тестовыми сценариями, потенциальных проблем и их причин.
• разработка UI (web интерфейса) для существующей системы анализа результатов тестирования продукта с помощью технологий машинного обучения.


9. Multicomponent lockless performance counters
Спроектировать и реализовать библиотеку работы с целочисленными счетчиками производительности, размещенных в разделяемой между несколькими контекстами памяти. Использование (инкрементация) счетчиков возможна из произвольных контекстов разных процессов (из пользовательского контекста и контекста ядра ОС macOS, Windows, Linux).

10. Оценка похожести проблем на основе логов и телеметрии из пользовательских отчетов об ошибках.

11. Определение детальной информации о запущенных Java-процессах
Программы, написанные на java запускаются как правило с помощью одного и того же процесса (например, на Windows это java.exe), что не дает возможности идентифицировать разные программы просто по пути до исполняемого файла. Надо придумать способ это делать (по командной строке, дереву процессов, как-то еще), а также получать user-friendly название и иконку программы.


12. Автоматический поиск проблем в Python коде (flake8) и автоматическое их исправление.

Предварительное распределение по курсам по выбору весна 2020

Choice
Информация будет уточняться. В случае обнаружения ошибок обращайтесь к Никифорову А.Ю. Смена курса по выбору возможна до 18 февраля после заполнения заявления об переводе.
ФИО Группа Выбор 1 Выбор 2
Аймбетова Дамели Бекзатовна Б16-504 Инструментальные средства интеллектуального имитационного моделирования
Веселов Николай Олегович Б16-504 Функциональное программирование
Григорьев Андрей Александрович Б16-504 Инструментальные средства интеллектуального имитационного моделирования
Гришкевич Иван Леонидович Б16-504 Функциональное программирование
Дворчик Максим Александрович Б16-504 Инструментальные средства интеллектуального имитационного моделирования
Еремеев Андрей Анатольевич Б16-504 Логическое программирование
Завражнова Мария Владимировна Б16-504 Логическое программирование
Кашироков Артур Сергеевич Б16-504 Инструментальные средства интеллектуального имитационного моделирования
Корсачев Антон Андреевич Б16-504 Инструментальные средства интеллектуального имитационного моделирования
Костенко Дмитрий Олегович Б16-504 Функциональное программирование
Маштак Дарья Васильевна Б16-504 Функциональное программирование
Маштак Иван Андреевич Б16-504 Функциональное программирование
Мусаева Ясамин Б16-504 Функциональное программирование
Ражева Анастасия Вячеславовна Б16-504 Логическое программирование
Родкина Эллина Александровна Б16-504 Логическое программирование
Рощин Михаил Николаевич Б16-504 Функциональное программирование
Феофанов Кирилл Аркадьевич Б16-504 Функциональное программирование
Фомин Данила Дмитриевич Б16-504 Функциональное программирование
Фролов Дмитрий Андреевич Б16-504 Логическое программирование
Ширшова Анастасия Вячеславовна Б16-504 Функциональное программирование
Шувалов Антоний Филиппович Б16-504 Инструментальные средства интеллектуального имитационного моделирования
Водолазский Владислав Александрович Б16-564 Логическое программирование
Ким Наталья Викторовна Б16-564 Функциональное программирование
Мамырбаева Анель Кайраткызы Б16-564 Инструментальные средства интеллектуального имитационного моделирования
Таалайбекова Чолпон Таалабековна Б16-564 Функциональное программирование
Блинов Евгений Александрович М19-504 Семантически безопасное информационное моделирование Математические модели физических процессов (спецглавы)
Горбатенко Полина Александровна М19-504 Семантически безопасное информационное моделирование Формализмы в информационных технологиях
Захарова Дарья Алексеевна М19-504 Проектирование Web приложений Математические модели физических процессов (спецглавы)
Ильичев Алексей Михайлович М19-504 Проектирование Web приложений Математические модели физических процессов (спецглавы)
Кадыров Илья Станиславович М19-504 Проектирование Web приложений Математические модели физических процессов (спецглавы)
Рысляев Дмитрий Андреевич М19-504 Проектирование Web приложений Математические модели физических процессов (спецглавы)
Антонова Лидия Викторовна М19-514 Проектирование Web приложений Математические модели физических процессов (спецглавы)
Барсегян Сергей Каренович М19-514 Модели и методы представления и обработки знаний Математические модели физических процессов (спецглавы)
Богатырева Анастасия Андреевна М19-514 Проектирование Web приложений Математические модели физических процессов (спецглавы)
Жиганов Андрей Игоревич М19-514 Семантически безопасное информационное моделирование Формализмы в информационных технологиях
Ключников Максим Маратович М19-514 Модели и методы представления и обработки знаний Математические модели физических процессов (спецглавы)
Локтионов Алексей Александрович М19-514 Семантически безопасное информационное моделирование Математические модели физических процессов (спецглавы)
Масленников Дмитрий Эдуардович М19-514 Проектирование Web приложений Формализмы в информационных технологиях
Олейников Никита Дмитриевич М19-514 Семантически безопасное информационное моделирование Формализмы в информационных технологиях
Румянцев Никита Денисович М19-514 Модели и методы представления и обработки знаний Формализмы в информационных технологиях
Семенова Ирина Алексеевна М19-514 Семантически безопасное информационное моделирование Математические модели физических процессов (спецглавы)
Слесарев Кирилл Сергеевич М19-514 Проектирование Web приложений Математические модели физических процессов (спецглавы)
Совков Андрей Дмитриевич М19-514 Модели и методы представления и обработки знаний Формализмы в информационных технологиях
Буянов Дмитрий Романович М19-524 Проектирование Web приложений Формализмы в информационных технологиях
Кадыров Дониёр Парахатович М19-524 Проектирование Web приложений Математические модели физических процессов (спецглавы)
Каллибеков Дауирбек Маманбекович М19-524 Модели и методы представления и обработки знаний Математические модели физических процессов (спецглавы)
Попов Иван Васильевич М19-524 Проектирование Web приложений Математические модели физических процессов (спецглавы)
Слиньков Александр Александрович М19-524 Модели и методы представления и обработки знаний Математические модели физических процессов (спецглавы)
Шелудченко Дарья Игоревна М19-524 Проектирование Web приложений Математические модели физических процессов (спецглавы)
Алымкулов Жалил Сагынович Б17-504 Обработка аудиовизуальной информации
Андреева Анастасия Андреевна Б17-504 Обработка аудиовизуальной информации
Васильев Матвей Андреевич Б17-504 Обработка аудиовизуальной информации
Гиленко Андрей Александрович Б17-504 Обработка аудиовизуальной информации
Говорова Арина Романовна Б17-504 Введение в теорию нейронных сетей
Гульдяева Екатерина Дмитриевна Б17-504 Обработка аудиовизуальной информации
Должиков Роман Алексеевич Б17-504 Обработка аудиовизуальной информации
Калинин Никита Владимирович Б17-504 Введение в теорию нейронных сетей
Малова Инна Сергеевна Б17-504 Введение в теорию нейронных сетей
Матевосов Павел Георгиевич Б17-504 Обработка аудиовизуальной информации
Миркасымов Равшан Бахтиярович Б17-504 Введение в теорию нейронных сетей
Морозевич Мария Александровна Б17-504 Введение в теорию нейронных сетей
Мукбилов Адиз Муратович Б17-504 Обработка аудиовизуальной информации
Попова Ольга Алексеевна Б17-504 Обработка аудиовизуальной информации
Старков Станислав Васильевич Б17-504 Обработка аудиовизуальной информации
Фокин Вячеслав Максимович Б17-504 Введение в теорию нейронных сетей
Шадрин Владислав  Евгеньевич Б17-504 Введение в теорию нейронных сетей
Шмаков Александр Андреевич Б17-504 Введение в теорию нейронных сетей
Яковенко Илья Николаевич Б17-504 Введение в теорию нейронных сетей
Ярабаева Александра Павловна Б17-504 Введение в теорию нейронных сетей
Алексеев Роман Максимович Б17-514 Обработка аудиовизуальной информации
Афанасьев Никита Б17-514 Обработка аудиовизуальной информации
Баскакова Александра Васильевна Б17-514 Введение в теорию нейронных сетей
Глушков Александр Евгеньевич Б17-514 Введение в теорию нейронных сетей
Гудков Дмитрий Всеволодович Б17-514 Введение в теорию нейронных сетей
Ерофеев Владимир Сергеевич Б17-514 Обработка аудиовизуальной информации
Жарков Максим Алексеевич Б17-514 Обработка аудиовизуальной информации
Кореков Егор Михайлович Б17-514 Обработка аудиовизуальной информации
Мусатова Анастасия Олеговна Б17-514 Обработка аудиовизуальной информации
Овсянников Иван Сергеевич Б17-514 Введение в теорию нейронных сетей
Перов Сергий Гердович Б17-514 Обработка аудиовизуальной информации
Пчельников Алексей Анатольевич Б17-514 Обработка аудиовизуальной информации
Сапарбеков Султан Чыныбекович Б17-514 Обработка аудиовизуальной информации
Судьин Игорь Дмитриевич Б17-514 Введение в теорию нейронных сетей
Фирсов Георгий Валентинович Б17-514 Введение в теорию нейронных сетей
Чуриков Андрей Игоревич Б17-514 Обработка аудиовизуальной информации
Карабельникова Юлиана Б17-594 Обработка аудиовизуальной информации

Комиссии по предметам

НИР М18,19-5х4, УИР Б16,17-5х4, Проектная практика Б19-5х4 — 14 февраля в 15:00.

Современные компьютерные технологии (взаимосвязь открытых систем)  — 14 февраля в 12:00.

Микропроцессорные системы — 11 февраля в 11:00.

Базы данных (теоретические основы баз данных) — 11 февраля в 12:00.

Дискретная математика (теория алгоритмов и сложность вычислений) — 14 февраля в 15:00.

УИР групп Б17-504, Б17-514, Б17-594

До 5 февраля студентам групп Б17-504, Б17-514, Б17-594 необходимо сообщить Никифорову А.Ю. о своем согласованном выборе руководитетеля УИР. Если руководитель не согласован, необходимо сообщить свои пожелания по теме УИР.
Кроме того существует возможность прохождение УИР в компании Parallels. Возможные темы:
1. Virtual Machine debugging technique (GDB & LLDB). Automated debugging protocol testing

2. WinDbg + python: автоматизация типичных сценариев. Внедрение механизма в процесс обработки пользовательских креш-дампов.

3. Portable Virtual Machines. Optimize a VM run over a slow media (SD/MMC, USB2.0 stick, etc.)

4. Утилита подавления шума в звуке, выделение голоса из звуковой дорожки

5. Синхронизации записи звука из нескольких источников/мобильных устройств

6. Объединенный сервер символьной информации для мультиплатформенных приложений и систем

Цель проекта – построить систему хранения и автоматического пополнения символьной информации для сложных проектов, включающих компоненты, работающие на разных платформах (Windows, Linux, macOS), с возможностью использования хранимых символов из среды удаленных отладчиков типа WinDbg, LLDB, GDB.

Проект включает:
• Организацию централизованного сетевого хранилища отладочных символов мультиплатформенных проектов;
• Автоматизацию закачки в хранилище символов новых сборок компонентов мультиплатформенных систем и приложений;
• Автоматизацию закачки символов внешних продуктов (отладочные символы Windows, ядер Linux, macOS KernelDebugKit);
• Скриптовую поддержку работы с символьным хранилищем для WinDbg, LLDB, GDB;
• Автоматическую идентификацию правильных версий символов в зависимости от отлаживаемого контекста в удаленном отладчике.

7. Web console for VMs
Web-based console for Parallels VM management on Mac/Windows/Linux hosts inside corporate intranet.

8. Разработка системы сбора и анализа данных о качестве программного продукта и полноте тестового покрытия программного продукта в процессе его разработки и эксплуатации.

Результат представляет собой web сервис, представляющий данные, полученные с использованием технологий bigdata и artificial intelligence/machine learning. Собираемые данные включают сообщения в логах модулей продукта, инфраструктуры, на которой эти модули работают, счётчики производительности и загрузки модулей продукта и инфраструктуры, и т.д.
• реализация системы сбора, хранения, анализа данных и представления результатов, полученных в процессе разработки и тестирования программного продукта.
• развитие системы анализа данных, построение списка модулей системы, тестовых сценариев, версий (сборок), степени покрытия различных модулей и сборок тестовыми сценариями, потенциальных проблем и их причин.
• разработка UI (web интерфейса) для существующей системы анализа результатов тестирования продукта с помощью технологий машинного обучения.


9. Multicomponent lockless performance counters
Спроектировать и реализовать библиотеку работы с целочисленными счетчиками производительности, размещенных в разделяемой между несколькими контекстами памяти. Использование (инкрементация) счетчиков возможна из произвольных контекстов разных процессов (из пользовательского контекста и контекста ядра ОС macOS, Windows, Linux).

10. Оценка похожести проблем на основе логов и телеметрии из пользовательских отчетов об ошибках

11. Определение детальной информации о запущенных Java-процессах
Программы, написанные на java запускаются как правило с помощью одного и того же процесса (например, на Windows это java.exe), что не дает возможности идентифицировать разные программы просто по пути до исполняемого файла. Надо придумать способ это делать (по командной строке, дереву процессов, как-то еще), а также получать user-friendly название и иконку программы.


12. Автоматический поиск проблем в Python коде (flake8) и автоматическое их исправление