Первый отчёт по проекту Мониторинг трендов в социальных сетях в режиме реального времени (на примере Твиттер)
Участники:
  • Касимов Нур
  • Павел Овечкин
  • Екатерина Букина

На встрече с куратором проекта были обсуждены все организационные вопросы и детально разобран проект. Сферой анализа были выбраны банки.

Далее, следующей задачей стало - разобраться в о всех технологиях, а именно:

  1. Twitter API
  2. Sentiment analysis (Построение классификатора, с использованием TF, TF-IDF, терм-документную матрицу, Naive Bayes)
  3. Topic Modeling и Word Cloud

В результате работа с twitter API налажена и определена структура БД, новый материал изучен.

Было выяснено:

  • Два типа twitter API:
    • basic REST API
      Имеют ряд жёстких ограничений, а так-же необходимые для проекта API ориентированы в первую очередь на актуальность твитов, а не на полноту. Однако имеется возможность получить твиты опубликованные до 7 дней назад, без платной подписки.
    • Streaming API
      Ограничения мягче, поступают все твиты удовлетворяющие фильтру после публикации с момента подключения к API
    • В ходе анализа, выяснилось,что для решения задач проекта нужно использовать оба типа.
  • Виды классификации:
    • Классификация по бинарной шкале 
    • Классификация по многополосной шкале 
    • Системы шкалирования 
    • Субъективность/объективность
  • Подходы к классификации тональности
  • Семантические тезаурусы:
    • WordNet-Affect 
    • SentiWordNet 
    • SenticNet 
  • Методы классификации тональности:
    • Методы, основанные на правилах и словарях 
    • Машинное обучение с учителем
    • Машинное обучение без учителя 
    • Метод, основанный на теоретико-графовых моделях 
  • Topic modeling или тематическое моделирование:
    Понимание того что, готового алгоритма в виде "скормили" массив документов и все сделалось хорошо не существует. Наиболее близки LDA, LSI
  • В проекте мы будем использовать реляционную структуру базу данных, то есть хранить данные на пересечении необходимых строк и столбцов.
    Будет использоваться известная СУБД MySQL.
    Естественно, будут задействованы суррогатные ключи.
  • Из твиттера берется субъективная информация и проводится ее сентимент-анализ. Информация представляет собой отзывы о банках и о услугах того или иного банка.
Первый отчет по выбранной теме, первое собрание с заказчиком.

Команда:
Бабичева Татьяна ФО-260001
Глухих Олег ФО-260001
Порубов Андрей ФО-260003
Станислав Власов РИ-170013
Георгий Титов РИ-170013
На сайте cosmoport.club была выбрана тема № 18 (http://cosmoport.club/post/proektnyi-praktikum-dly...)

Данная тема заинтересовала нас, так как является очень популярной и востребованной в современном мире.

4 октября, была встреча с куратором проекта. Мы обговорили планы и способы реализации нашего проекта. Задали куратору волнующие нас вопросы, и получили список необходимой литературы для дальнейшей реализации проекта.
Также на встрече были обсуждены проблемы с которыми мы можем столкнуться при разработке.
На данный момент мы занимаемся разработкой искусственной нейронной сети для распознавания марок и брендов на фото-контенте и последующим её обучением. Подробнее о разработке и обучении будем описывать в последующих отчетах.

08.10.2017, 15:23
Клещев АлексейПользователь
Прогресс по проекту «Алгоритм одновременного позиционирования и картографирования для наземного робота (SLAM)» Первая неделя (25.09.2017 - 01.10.2017)

Участники: 

  • Клещев Алексей
  • Галембо Егор
  • Кирьянов Данил

Поставленные задачи в период с 25.09.2017 по 01.10.2017:

  • Развернуть OSUbuntu 16.03 на ноутбуке
  • Развернуть framework ROS (Robot Operating System) на ранее установленной Ubuntu 16.03
  • Запустить проект Turtle в ROS
  • Проанализировать стандартный алгоритм SLAM, реализованный в ROS 
  • Создать рабочее пространство catkin_ws

В результате были выполнены все поставленные задачи в период с 25.09.2017 по 01.10.2017

Было выяснено, что

  • SLAM — Simultaneous Localization And Mapping - Метод, используемый в мобильных автономных средствах для построения карты в неизвестном пространстве, путем получения показаний датчиков, обработки и наложения на карту, с одновременным контролем текущего местоположения и пройденного пути.
  • В рамках ROS, реализовано несколько алгоритмов SLAM:
    • GMapping — реализация метода SLAM на основе данных от лазерного дальномера и одометрии робота.
    • Visual SLAM — визуальный SLAM — реализация метода SLAM на основе языка Python и библиотеки компьютерного зрения OpenCV, данный алгоритм используется роботом пылесосом Samsung Hauzen RE70V.
    • hector_mapping — SLAM для платформ без одометрии — только на основе данных от LIDAR-ов. Система успешно использовалась на беспилотных наземных роботах, а также транспортных средствах.
  • Главный принцип ROS: «не изобретать велосипед», поскольку это ускорят скорость разработки и увеличивает горизонт открытий!

Глоссарий
Одометрия — использование данных о движении приводов для оценки перемещения.

LIDAR – Лазерный дальномер.

Screenshots

Прогресс по проекту "разработка библиотеки движений гуманоидного робота для прохождения лабиринта"

Прошла 1-ая неделя работы над проектом "разработка библиотеки движений гуманоидного робота для прохождения лабиринта"

Участники: 

  • Александра Мезенцева
  • Денис Ренев
  • Павел Зарывных
  • Немытов АндрейЗуйков Семен

Поставленные задачи в период с 25.09.2017 по 01.10.2017:

На неделю были поставлены следующие задачи:

  • Поставить операционную систему Ubuntu
  • Развернуть фреймворк Robot Operating System (ROS)
  • Развернуть симулятор робототехники Gazebo
  • Создать рабочее пространство catkin_ws

Gazebo – это открытый бесплатный симулятор робототехники, лицензированный согласно Apache 2.0. Gazebo тесно связан с ROS и обладает многими преимуществами. Некоторыми из них являются:

  • Построение лабиринтов.
  • Поддержка гуманоидных роботов.
  • Поддержка датчиков.


Проделанная работа:

Изначально была установлена операционная система Ubuntu, версия 14.04, на которой был развернут фреймворк ROS Indigo и симулятор Gazebo 7. Чтобы проверить работоспособность, была скачана бесплатная модель робота. В связи с некорректной работой робота пришлось удалить Ubuntu 14.04, ROS и Gazebo. После чего была установлена Ubuntu версии 16.04, на которой был развернут ROS Kinetic и Gazebo 8. К сожалению, вычислительной мощности компьютера недостаточно для нормальной симуляции. Единственным способом решения данной проблемы является покупка более мощного компьютера.

(Скриншот с открытым Gazebo, и  загруженной в него моделью робота)

Объявления
Начинается проектный практикум для студентов УрФУ

проектный практикум 2 курса

проектный практикум 3 курса

проектный практикум 4 курса

Молодежный космический форум - 2018 (V Семихатовские чтения)О Форуме-2018 Новое

Школа наставников - 2018 “Как создать проект в новом технологическом укладе” )Актуальное

Партнеры:

ИнФО УрФУ - Генеральный партнер в проведении проектной практики в июне-июле 2017 года

Роботология - Российское оборудование для программирования и конструирования роботов

Уральский клуб нового образования - общественная организация, которая разрабатывает и реализует социально-образовательные проекты

Архив событий:

Проектная практика для студентов Института фундаментального образования УрФУСобытие

Молодежный космический форум - 2017 (Четвертые Семихатовские чтения)Конкурс

Выбор темы работы для участия в IV Семихатовских чтенияхО Форуме-2017

Подписка на новости
Контакты

Адрес: г. Екатеринбург, ул. Мамина-Сибиряка 145, к. 1119 (на карте)

Тел.: +7 (343) 355-93-88

info@cosmoport.club