Истягин Алексей Олегович

Факультет интеллектуальных систем и программирования

Кафедра программной инженерии им. Л. П. Фельдмана

Специальность Методы и средства разработки программного обеспечения

Повышение качества прогнозирования прибыли в отельном бизнесе: модели, методы и анализ факторов

Научный руководитель: к.т.н., доц. Рычка Ольга Валентиновна

Ссылки по теме выпускной работы

Материалы магистров ДонНТУ

1. Линкин В.О. Исследование алгоритмического обеспечения интеллектуальной системы классификации политематических гипертекстовых документов

   Описание: Персональный сайт на портале магистров ДонНТУ, 2011 г.

   Руководитель: д.т.н., доц. Егошина А.А.

2. Титаренко М.Г.Исследование методов классификации информации о внешнеторговой деятельности государств в рамках информационно-поисковой системы

   Описание: Персональный сайт на портале магистров ДонНТУ, 2011 г.

   Руководитель: к.ф-м.н., доц. Скворцов А.Е.

3. Лютова Е.И. Исследование методов классификации информации с использованием байесовского классификатора

   Описание: Персональный сайт на портале магистров ДонНТУ, 2020 г.

   Руководитель: к.ф-м.н., доц. Скворцов А.Е.

4. Богдан Е.Ю. Разработка и анализ алгоритмов построения и оптимизации взвешенных обучающих выборок с множеством весовых коэффициентов в адаптивных системах распознавания

   Описание: Персональный сайт на портале магистров ДонНТУ, 2013 г.

   Руководитель: к.т.н., доц. Волченко Е.В.

5. Петце А.О. Предварительная обработка данных и отбор факторов в задачах нейросетевой классификации и прогнозирования

   Описание: Персональный сайт на портале магистров ДонНТУ, 2013 г.

   Руководитель: к.т.н., доц. Хмелевой С.В.

Научные работы и статьи

6. Анализ алгоритмов классификации текстов

   Авторы: Логунова Т.В., Щербакова Л.В., Васюков В.М., Шимкун В.В.

   Описание: Обзор основных этапов и методов обработки текста: предобработка, извлечение признаков, алгоритмы классификации

7. Классификация текстов с помощью сверточных нейронных сетей

   Авторы: Воробьев Н.В., Пучков Е.В.

   Описание: Приведена структура и алгоритм построения сверточной нейронной сети для классификации текста на Python

8. Выбор оптимальной архитектуры искусственной нейронной сети для задачи классификации текстов

   Авторы: Черкасов А.Н., Туркин Е.А.

   Описание: Рассмотрены архитектуры LSTM, LSTM-2, CNN-LSTM, проведено сравнение контрольных метрик работы моделей

9. Перспектива использования нейросетей взамен стандартного машинного обучения

   Авторы: Корченко М.Д.

   Описание: Проведен анализ, выявлены преимущества и недостатки нейросетевого подхода и стандартного машинного обучения

10. Обзор методов обучения глубоких нейронных сетей

    Авторы: Созыкин А.В.

    Описание: Проведена история развития архитектур моделей глубокого обучения и методов их обучения

11. Сравнение моделей-трансформеров BERT при выявлению деструктивного контента в социальных медиа

    Авторы: Минаев В.А., Симонов А.В.

    Описание: Проведены контрольные замеры эффективности (точности метрик) различных BERT-моделей

12. Анализ методов машинного обучения на примере задачи многоклассовой классификации текста

    Авторы: Лаптев М.В.

    Описание: Рассмотрены различные методы предобработки текстов для многоклассовой классификации

Книги

13. Основные концепции нейронных сетей

    Авторы: Каллан Р.

    Описание: Рассмотрены основные архитектуры нейронных сетей для решения прикладных задач распознавания и синтеза образов

14. Нейронные сети: Полный курс

    Авторы: Хайкин С.

    Описание: Приведены подробные алгоритмы для построения различных нейросетевых моделей

15. Глубокое обучение

    Авторы: Гудфеллоу Я., Бенджио И., Курвилль А.

    Описание: Полное математическое обоснование подхода глубого обучения, алгоритмы обучения различных моделей

16. Чистый код. Создание, анализ и рефакторинг

    Авторы: Мартин Р.

    Описание: Основные принципы и рекомендации по написанию кода и разработке в целом

Документация и руководства по используемым инструментам

17. RabbitMQ

    Официальная документация RabbitMQ c примерами на различных языках

18. Redis

    Официальная документация Redis c примерами на различных языках

19. Flask

    Официальная документация Python Flask c примерами

20. FastApi

    Официальная документация Python FastApi c примерами

21. PyTorch

    Официальная документация Python PyTorch c примерами

22. SQL Server

    Официальная документация по SQL Server от Microsoft

23. C# и .NET

    Официальная документация по языку C# и платформе .NET от Microsoft

24. Python

    Официальная документация по языку Python

25. Полное руководство по языку программирования С# 12 и платформе .NET 8

    Полное практическое руководство по языку С# 12 и платформе .NET 8

26. Руководство по MS SQL Server 2022

    Полное практическое руководство по языку T-SQL и MS SQL Server 2022

27. Руководство по языку программирования Python

    Полное практическое руководство по языку программирования Python и стандартных библиотек

Полезные статьи

28. Эмбеддинги для начинающих

    Приведены различные способы приведения текста в числовой вид

29. Обзор четырех популярных NLP-моделей

    Подробный анализ моделей векторизации текстов

30. 7 архитектур нейронных сетей для решения задач NLP

    Рассмотрены самые частоиспользуемые архитектуры для нейронных сетей для решения задачи классификации

31. Введение в архитектуру нейронных сетей

    Подробная вводная лекция о нейросетевом подходе решения различных задач

32. Как устроена нейросеть BERT от Google

    Анализ архитектуры и структуры модели BERT

33. Что такое GPT: раскрываем тайны трансформеров

    Анализ архитектуры и структуры модели GPT

34. Build Your First Text Classification model using PyTorch

    Подробная инструкция по созданию классифицирующей нейронной сети на PyTorch

35. PyTorch RNN For Text Classification Tasks

    Подробная инструкция по созданию классифицирующей рекуррентной нейронной сети на PyTorch

36. Модель Rubert-tiny2

    Источник и описание предобученной модели для работы с русскоязычным текстом

37. Взаимодействие в архитектуре микросервисов

    Общий обзор методов взаимодействия микросервисов

38. Способы общения микросервисов для самых маленьких

    Более подробный обзор методов обмена данными между микросервисами

39. Рейтинг русскоязычных энкодеров предложений

    Подробный анализ различных русскоязычных предобученных моделей

40. Многоклассовая и многозадачная классификация

    Рассмотрены основные принципы и подходы при многоклассовой классификации, приведены алгоритмы и примеры реализации

41. Практика: мой опыт интеграции более 50 нейронных сетей в один проект

    Приведены некоторые полезные практики в интеграции нейросетевых решений в бизнес-проекты

42. Мультиклассовая классификация текста. Дисбаланс тренировочных данных и их генерация. Особенности взвешивания TF-IDF

    Рассмотрены особенности предварительной обработки данных для обучения нейронных сетей, балансировки тренировочных выборок и точности обучения