Теми магістерських робіт ФПМІ ЛНУ 2017/18 від експертів SoftServe
Comments
 Share
The version of the browser you are using is no longer supported. Please upgrade to a supported browser.Dismiss

 
$
%
123
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
ABCDEFGHIJKLMNOPQRSTUVWXYZAAAB
1
ТемаКороткий описВихідні дані
(технології, інструментарій)
SoftServe куратор
Кількість студентів на проектСтудент E-mailНомер академічної групиНауковий керівник від кафедри
2
Technologies comparisonThe market is overwhelmed with technologies. It concerns everything :) - clouds, javascript frameworks, data processing frameworks, server side technologies etc. It would be great if students create the tool which will:
1. Compare different frameworks/tools in given area bases on the set of criteria (to be defined)
2. Once user chooses certain tool or framework, it would be great to show which supplementary frameworks it usually goes with

This project requires a lot of analytical work, and many efforts where and how to gather relevant data, thus it would be great exercise for the brain :) The tool itself (web app) would be relatively simple. There are similar solutions on the market, so students will definitely have samples
I would use noSQL database here (e.g. Mongo) + any of popular web technologies by student’s choice (.net, php, ror, python, java, node.js etc.)Дмитро Іванов
1
3
Real estate management
The tool shall allow real estate manager:
1. to track available properties
2. track currently available rent contracts alerting about expiration period, about non-payments if any etc.
3. grab from public sources average real estate monthly and daily prices and give the recommendation to real estate manager regarding the price based on the season, location, availability of certain events/conferences in the area etc.

This tool concerns residential real estate only :)
I would use full stack JavaScript here – node.js at the back-end, express.js react.js at the front-end, redux.js, Sass or LESS and other needed components and libraries (like babel etc.) + React native for mobileДмитро Іванов
2

one for database and back-end, another one for web and mobile front-ends
4
Cars dealershipsCars dealerships – each dealership has some sales statistics, which varies depending on the geography, season, new cars releases etc. It would be great to create a solution which predicts the demand around different types of vehicles (considering great level of details, e.g. wheel size, different options availability, color etc. etc. etc.) and then tell each dealership the amount of cars to pre-purchase from the manufacturer so that dealerships have in stock more or less the same number of vehicles that needed. The system will require emulation of different data sources along with connectors to grab data from them (these should be either some file storages, or databases, or no-sql storages which contain data about past sales per region or dealership etc.)
I would use full stack JavaScript here – node.js at the back-end, express.js react.js at the front-end, redux.js, Sass or LESS and other needed components and libraries (like babel etc.)Дмитро Іванов
1
5
Fleet managementThe goal of this particular project is to create the system, which helps fleet managers to track the fleet and its utilization.

The system shall consist of:
1. Database
2. back-end API
3. admin console
4. web front-end
5. mobile front end

Major functions of the system should be:
1. Manage vehicles in the fleet – detailed info about the vehicle, pictures, hauls done, utilization of the fleet (e.g. on monthly basis), track maintenance efforts done per truck
2. Dashboards per truck
a. visualizing trips done, distance run, countries visited, percent of utilization
3. Dashboard per fleet
b. visualizing trips done, distance run, countries visited, percent of utilization
c. Showing major slowdown periods for the fleet, pointing out their reasons and maybe (if possible) the ways how to avoid in the future
I would use here MySQL, PHP or Python or RoR, React.js or Angular, potentially React Native for cross-platform mobile app.Дмитро Іванов
2

one for SQL and back-end, and one for front-end
6
Team load management
Quite often team members are not loaded full-time and they execute multiple tasks at once. I would love to see some tool which helps tracking current load and current availability of team members in one single place with simple visualization to make the decision about further multiple assignments which are coming (e.g. if I see that the person is formally loaded 50% of their time, but still has 2 tasks in parallel, I would see it risky to give another task; or I would love to see who is really (not formally) available with Java skills). Also such a tool could give some level of prediction on the load and on the number of people required extra to cover that or another type of activities.I would use here .NET, MS SQL, Entity framework, ASP.NET MVC, any of front-end frameworks (by student choice)Дмитро Іванов
2

one for SQL and back-end, and one for front-end
7
Застосування методів машинного навчання до розв'язання проблем, пов'язаних з дослідженням якості життя різних групп населення
Зокрема, пошук факторів, які впливають на якість життя, побудова графів, які ілюстрували би вплив комплексу факторів, виділення кластерів, персоналізація за якістю життя та інші задачі.
Для даної задачі є зібрані реальні дані (учні, студенти, пенсіонери). Рекомендовані публікації для ознайомлення з базовими підходами:

http://efsupit.ro/images/stories/30sept/Art%20159.pdf
http://efsupit.ro/images/stories/nr1.2016/art%2065,%20pp%20418%20-%20423.pdf
Тетяна Гладких

Дмитро Зікрач
1
8
Виявлення плагіату в студентських роботах за допомогою методів машинного навчанняЗ розвитком інформаційних технологій, будь-який користувач Інтернет отримує практично необмежений доступ до величезних масивів інформації, що, з одного боку, істотно спрощує пошук потрібного контенту, а з іншого боку, призводить до цілого ряду проблем, одна з який - плагіат в наукових публікаціях. Особливо гостро ця проблема стоїть в разі освітніх установ, коли в кращому випадку робота, яку здали студентом, містить фрагменти з декількох джерел, не оформлених як цитати, а в гіршому - є повністю запозичений матеріал. Традиційні методи пошуку дублікатів текстових фрагментів не дозволяють виявляти випадки збігів при наявність часткових змін в змістовній частині, що ускладнює вирішення цього завдання в разі внесення навіть мінімальних правок.Методи Text Mining: моделі векторного уявлення слів та документів (word2vec, bag-of-words),
Методи Data Mining для вирішення завдань кластеризації,алгоритм шинглів
R / Python / Matlab
Тетяна Гладких

Дмитро Зікрач
1
9
Аналіз відтоку клієнтів із застосуванням методів машинного навчанняНезалежно від сегменту споживчого ринку, перед підприємствами рано чи пізно стає проблема відтоку клієнтів. Іноді показники відтоку настільки великі, що потребує стратегічних рішень. Традиційним рішенням є прогнозування клієнтів з високою схильністю до відходу і задоволення їх потреб за рахунок впровадження служб підтримки, проведення маркетингових кампаній або шляхом застосування спеціальних положень, що потребує значних витрат як часу, так і коштів. Мінімізації зусиль по утриманню клієнтів, що може буті досягнута за допомогою застосування моделей машинного навчання, які повертають оцінку кожного клієнта на предмет схильності до відтоку і прийняття відповідних заходів. Методи Data Mining для вирішення завдань кластеризації та классіфикації
R / Python / Matlab
Тетяна Гладких

Дмитро Зікрач
1Кушнір Олександрkushnir.oleksandr95@gmail.comПМІ-52мВагін Петро Петрович
10
Аналіз мобільного трафіку для виявлення випадків шахрайства в мобільній рекламіПоняття шахрайства щодо мобільного трафіку досить розмите. Однак в мобільній рекламі шахрайство пов'язане, перш за все, з поставкою неякісного, штучного трафіку, який в результаті погано монетизуються. Типи шахрайства можна умовно розділити на кілька рівнів, починаючи з самого елементарного і очевидного - поставки мотивованого трафіку під виглядом невмотивованого, закінчуючи розумними ботами, які здатні забезпечить досягнення певних показників, що аналізуються, і імітувати поведінку реальних користувачів. Спеціаліст по трафіку може визначити такі випадки в системах моніторингу та статистики за специфічними ознаками. Аналіз мобільного трафіку з залученням експертів є вкрай неефективним в контексті обсягів інформації, які необхідно обробляти за обмежений час. Одним їх напрямків, що дозволяють підвищити ефективність прийняття рішення щодо аналізу конверсій, є розробка моделей автоматичного вилучення шаблонів недобросовісних конверсій з метою виявлення випадків потенційного шахрайства.Методи Data Mining для пошуку шаблонів у категоріальних послідовностях, аналіз часових рядів
R / Python / Matlab
Тетяна Гладких

Дмитро Зікрач
1
11
Project Assessment Management SystemСистема для проведення і внесення даних про оцінку проектів за заданими критеріями.
Основні функціональності:
1. Довідники (Критерії , Тех. Область, тощо);
2. Супровід оцінки проекту;
3. Генерація Звітів;
4. Можливість інтеграції з іншими системами.
.Net Core 2.0, C#, Rest Web Services, React, MS SQL Server.Ілья Кравчук
1
12
Neural Network for Project Domain identification from source codeНейронна мережа для визначення Домену/Галузі для якої розробляється проект. На вхід нейронної мережі поступають данні: назви класів, структур даних, методів. На виході отримуємо приналежність до певного Домену/Галузі (наприклад: електронна комерція, охорона здоров’я, тощо) Rest Web Services.
Як варіант Python, може бути Java, C#
Ілья Кравчук
1
13
Online Resume SolutionРішення призначене для ведення онлайн резюме в компанії.
Функціонал який передбачається:
1. Можливість створити, редагувати резюме в браузері (десктоп+мобільний = responsive design) по аналогії до LinkedIn
2. Експорт в word+Pdf
3. Імпорт даних з word файла згідно шаблону прийнятому в компанії
4. Привязка до проектів в межах компанії
5. Інтеграція з LinkedIn – експорт/імпорт в обидві сторони
6. Мапа навичків використаних на проекті
7. Відгуки і рекомендації.
Web based solution.
NodeJS/ .net/ Java no strict requirements for backend, but looks better .net for further integrations.
Angular or anything else as frontend.
Андрій Агеєв
2

one for database and back-end, another one for web and mobile front-ends
1)Данило Юристовський - backend

2)Вікторія Волянська - frontend
1) danylo.yurystovskyi@gmail.com

2) volyanska.v@gmail.com
1) ПМі-61м

2) ПМп-62м
1) Малець Романна Богданівна

2) Ящук Юрій Олександрович
14
Probabilistic record matching
Проблема нечіткого співставлення.
Випадки:
1. Порізному записано в базі телефон 1234567 або 123-4567 чи з кодом 050-123-45-67
2. Або більш цікавий випадок, це запис людей по різних соц мережах, пошук їх у цих мережах і співставлення. Особливо цікаво через третю соц мережу, по емейлу, через спільних друзів і т.д.
Web based solution.
NodeJS/ .net/ Java /JS
аглоритми нечіткого пошуку
Андрій Агеєв
1Зацерковний Ростиславzatserkovnyi.rostyslav@gmail.comПМі-51м
15
Representing Taxonomies based on GraphsРезультатом має бути дослідження в сфері IT related таксономій і концепцій. Формування залежностей між ними у вигляді графу з різними типами відношень. Web Середовище по управлінню (редагування, внесення). Опрацьовані підходи по використанню для ранжування статей, можливість query expansion..net/JS/html/cssАндрій Агеєв
1
16
Migrate Desktop apps into cloudТиповою задачею у багатьох компаніях середнього бізнесу, в яких є кілька магазинів, є питання маштабування, мінімізація витрат на адміністрування інфраструктури.
В магазинах стоять "товсті" клієнти (Windows Desktop Application) і виділений сервер з базою даних. Складність в тому, що є локальне переферійне обладнання, сканери штрих коду і касові апарти на яких має друкуватись фіскальний чек. Також для економії витрат на техніку в якості "тонких" клієнтів використовувати Raspberry Pi.
cloud technology stack AWS, docker, etc.Андрій Агеєв
1
17
Survey AcceleratorРозробити модуль сурвеїв для андроїд. Який потім можна легко інтегрувати і кастомізувати в будь яку мобільну аплікацію. Сурвеї можуть бути різної складності.java/kotlin, JSАндрій Агеєв
1
18
Development of the algorithm for categorization of web domain.Input data can be in the form of matrix with features and categories like this:
category_1: feature_518, feature7
category_3: feature_2, feature283


Goal is to maximize a recall at 90% precision level.
Python would be better but no restictions
Андрій Радванський
1
19
Development of the algorithm for email spam filteringDecision (whether email message is spam or ham) is made by calculation of score for each message. If score is above threshold then message is recognized as spam.

Threshold=5.0
Score is calculated as linera fuction of features: message_score = score_1*Feature_1 + score_2*Feature_2 + ...
Where score_1 is score for feature1.
Feature_n equals 1 if this feature_n is present in message and zero otherwise.

Exact goal function is to be determined. It can be something like minimization of expression: "50*FP+TP"

So the goal is to find scores which produces best value of goal function.

Input data can be in the form of matrix with features and categories like this:
spam: feature_518, feature7
ham: feature_2, feature283
Almost no restrictions on technologies
Андрій Радванський
1Бадій Максимmaxkp1994@gmail.comПМІ62мВагін П.П.
20
Перетворення опису нейронної мережі із форматуTensorFlow у VHDL(Verilog) опис для реалізації на FPGA Altera (Intel)Для розробки та навчання нейронних мереж використовують десктопи і сервери та спеціалізовані бібліотеки типу TensorFlow. Працювати такі мережі через кілька років будуть на вбудованих системах із обмеженнями по швидкодії та енергоспоживанню. Один із варіантів реалізації вбудованих нейронних мереж – використання FPGA, які проектуються за допомогою мови VHDL. Тому актуальною задачею є автоматизація перетворення описів із формату TensorFlow у VHDL. Існуючі рішення вимагають від виробника пристроїв купівлі відповідних ліцензій.
TensorFlow,
VHDL (Verilog),
FPGA, Quartus
Андрій Бенч
1
21
Перетворення опису нейронної мережі із формату Caffe у VHDL (Verilog) опис для реалізації на FPGA Altera(Intel)Для розробки та навчання нейронних мереж використовують десктопи і сервери та спеціалізовані бібліотеки типу Caffe. Працювати такі мережі через кілька років будуть на вбудованих системах із обмеженнями по швидкодії та енергоспоживанню. Один із варіантів реалізації вбудованих нейронних мереж – використання FPGA, які проектуються за допомогою мови VHDL. Тому актуальною задачею є автоматизація перетворення описів із формату Caffe у VHDL. Існуючі рішення вимагають від виробника пристроїв купівлі відповідних ліцензій.Caffe,
VHDL (Verilog),
FPGA, Quartus
Андрій Бенч
1
22
Створення симуляції галереї (музею) для подальшого моделювання руху робота віртуальної присутності за допомогою засобів Robot Operation System (ROS)Відвідуємо галерею чи музей, фотографуємо її. За допомогою інструмента ROS Gazebo (http://gazebosim.org/) створюємо комп'ютерну симуляцію цієї галереї (музею). Симуляція буде надалі використана для моделювання руху робота телеприсутності по цій галереї (музеєві).
ROS, Gazebo

Навчальний матеріал тут: http://gazebosim.org/tutorials?tut=building_editor
Андрій Бенч
1
23
Створення CAD моделі робота телеприсутності для його подальшого моделювання засобами Robot Operation System (ROS)Створити CAD модель робота за допомогою будь-якої програми (FreeCAD, Blender, Fusion 360, Solid Works, тощо) та експортувати її у формат STL чи DAE, з яким може працювати Robot Operation System (ROS).FreeCAD, Blender, Fusion 360, Solid Works, STL, DAE, ROSАндрій Бенч
1
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
Loading...
 
 
 
Sheet1