Tag Archives: УИР

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.

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

Пересдачи НИР, УИР, практик

moral-judgement
Комиссия по НИР, УИР и практикам состоится 18.10.2019 в 14:00 на каф. 22.

НИР/УИР осенний семестр 2019/2020 учебного года

rules_n_regu

До 15 сентября необходимо оформить задания на НИР/УИР. Шаблоны заданий на странице НИР/УИР. Сканированные задания с подписями необходимо прислать на super.kafedra22@yandex.ru.

Дата пункта «Оформление расширенного содержания пояснительной записки (РСПЗ)» 20.10.2019, дата пункта «Оформление пояснительной записки (ПЗ) и иллюстративного материала для доклада.» 21.12.2019.